-
题名高效的隐私保护多方多数据排序
- 1
-
-
作者
商帅
李雄
张文琪
汪小芬
李哲涛
张小松
-
机构
电子科技大学计算机科学与工程学院(网络空间安全学院)
四川大学数据安全防护与智能治理教育部重点实验室
电子科技大学(深圳)高等研究院
暨南大学网络安全检测与防护国家地方联合工程研究中心
暨南大学数据安全与隐私保护广东省重点实验室
暨南大学信息科学技术学院
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第8期1832-1852,共21页
-
基金
国家自然基金项目(重点项目62332018,面上项目62072078和62271128)
四川省自然科学基金面上项目(2022NSFSC0550)
四川大学数据安全防护与智能治理教育部重点实验室开放课题(SCUSAKFKT202303Z)的资助。
-
文摘
安全多方计算允许具有私密输入的多个参与方联合计算一个多输入函数而不泄露各参与方私有输入的任何信息,因此近年来受到广泛关注.作为安全多方计算中的一个基础问题,隐私保护排序允许多个参与方在不泄露数据集隐私的前提下计算多个数据集的排序结果,广泛应用于产品定价、拍卖等场景.现有的隐私保护排序协议大多只支持两个参与方.而已有的多方多数据排序协议通信开销大、计算复杂度高,整体效率较低.现有隐私保护排序协议均未考虑恶意参与者的穷举攻击,因此安全保护不足.对此,本文提出一个高效的隐私保护多方多数据排序协议.多个参与方仅需O(1)轮交互即可以隐私保护的方式获得其持有的多个数据的排序结果.具体来讲,本文设计一种基于多项式的编码方法,将参与方的数据集编码为一个多项式,其每项的指数和系数分别代表数据和该数据的个数.通过多项式加法可实现多个参与方数据集的排序.同时,本文设计了多项式加密、聚合多项式生成和解密多项式生成算法,在保证计算正确性的同时实现多项式的隐私保护.最后,各参与方通过不经意传输技术获得排序结果.本文定义了不合谋参与方穷举攻击下的恶意安全.安全性分析表明本文协议不仅实现了半诚实安全性,而且达到了不合谋恶意用户穷举攻击的恶意安全性.此外,大量实验表明本文提出的协议在通信和计算方面都十分高效.如当参与方数量为15、每个参与方持有20000个数据、数据上界为500000时,本文协议的通信和计算开销分别为898.44 MB和69.76 s,仅为LDYW协议的12.08%和76.85%;而相对于AHM+方案,本文协议在通信开销仅增加约4倍的情况下使计算效率提升了约20倍.
-
关键词
隐私计算
安全多方排序
安全数据分析
隐私保护
排序
-
Keywords
privacy computing
secure multi-party sorting
secure data analysis
privacy protection
sorting
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于错误学习的全同态加密技术研究现状与挑战
被引量：1
- 2
-
-
作者
温金明
刘庆
陈洁
吴永东
-
机构
暨南大学信息科学技术学院
密码科学技术国家重点实验室
华东师范大学软件工程学院
数据安全与隐私保护广东省重点实验室
-
出处
《信息网络安全》
CSCD
北大核心
2024年第9期1328-1351,共24页
-
基金
国家自然科学基金[11871248,12271215,61932011]。
-
文摘
全同态加密方案是一种具备数据机密性和安全性的加密方案,同时还能够对密文进行计算操作。在云计算时代,全同态加密方案能够满足私有信息检索、多方安全计算等多种应用需求。错误学习与全同态加密的结合,迅速推动了全同态加密方案的发展,并引出了多种技术工具,如密钥交换和模交换等具有理论和实际应用意义的技术。自从2011年基于LWE的全同态加密方案被提出以来,基于LWE类型的方案已成为全同态加密方案的主流方法,并逐步从理论走向实际应用。文章首先介绍全同态加密的基础知识和应用,并对构造方案的数学理论进行详细分析;然后系统梳理了每一代同态加密方案,并给出了每一代方案的典型构造方式;最后探讨了当前基于LWE的全同态加密方案存在的问题以及未来的发展趋势,为后续研究者提供一些参考。
-
关键词
全同态加密
错误学习
隐私保护
-
Keywords
fully homomorphic encryption
learning with errors
privacy protection
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
