完美安全异步多方计算的效率再探

立即解锁
发布时间: 2025-08-31 00:55:20 阅读量: 13 订阅数: 47 AIGC
### 完美安全异步多方计算的效率再探 #### 1. 技术概述 在多方计算(MPC)领域,不同的安全协议在通信复杂度上存在差异。以下是不同完美安全MPC协议针对一般对手的每次乘法的摊销通信复杂度: | 设置 | 条件 | 通信复杂度 | | --- | --- | --- | | 同步 | Q(3)(P, Z) | O(\|Z\|² · (n⁵ log \|F\| + n⁶) + \|Z\| · (n⁷ log \|F\| + n⁸)) | | 异步(文献[10]) | Q(4)(P, Z) | O(\|Z\|³ · (n⁷ log \|F\| + n⁹ · (log n + log \|Z\|))) | | 异步(本文工作) | Q(4)(P, Z) | O(\|Z\|² · n⁷ log \|F\| + \|Z\| · n⁹ log n) | 我们的协议是在预处理模型中设计的。在这个模型里,各方首先生成形式为 (a, b, c) 的秘密共享随机乘法三元组,其中 c = ab。这些三元组随后会使用 Beaver 方法来高效评估乘法门。 我们预处理阶段协议的核心是一个高效的异步乘法协议,用于安全地将两个秘密共享的值相乘。该协议紧密遵循文献[19]的同步乘法协议,但在适应异步设置时存在一些挑战。 MPC 协议基于文献[24]中的秘密共享,其共享规范 S 定义为 {P\Z|Z ∈Z}。一个值 s ∈F 相对于 S 进行秘密共享的条件是存在份额 s₁, ..., s\|S\|,使得 s = s₁ + ... + s\|S\|,并且对于每个 q = 1, ..., \|S\|,份额 sq 为 Sq 中的每个(诚实)方所知。s 的共享表示为 [s],其中 [s]q 表示第 q 个份额。 文献[19]的同步乘法协议假设 Q(3)(P, Z) 条件,以 [a]、[b] 为输入,安全地生成随机共享 [ab]。其主要思想是,由于 Sp ∩Sq ≠ ∅,可以指定一个来自 Sp ∩Sq 的公开已知方对求和项 [a]p[b]q 进行秘密共享。为了提高效率,每个指定的“求和项共享方”可以对分配给它的所有求和项进行求和,并共享该和。如果没有求和项共享方恶意行为,那么所有秘密共享和的总和将导致 ab 的秘密共享。 为了处理作弊问题,文献[19]首先设计了一个乐观乘法协议 ΠOptMult,它接受一个额外参数 Z ∈Z,并在对手 Adv 破坏的方集合 Z⋆⊆Z 时生成 ab 的秘密共享。ΠOptMult 的思想与上述相同,只是求和项共享方现在被“限制”在子集 P \ Z 中。由于 (Sp ∩Sq) \ Z 是非空的,因此可以保证每个求和项 [a]p[b]q 都可以分配给 P \ Z 中的一个指定方。 各方不知道确切的破坏方集合,因此会为每个 Z ∈Z 运行一次 ΠOptMult 实例。这保证了至少有一个实例会生成 ab 的秘密共享。通过比较所有 ΠOptMult 实例生成的输出共享,各方可以检测是否发生了作弊。如果没有检测到作弊,那么任何输出共享都可以作为 ab 的共享。否则,各方会考虑一对冲突的 ΠOptMult 实例,并进入作弊者识别阶段。在这个阶段,各方根据冲突的 ΠOptMult 实例中求和项共享方共享的值,识别出至少一个腐败的求和项共享方。一旦识别出一个腐败的求和项共享方,各方将忽略涉及该方的所有 ΠOptMult 实例的输出共享。这个比较 ΠOptMult 实例输出共享并识别腐败方的过程会一直持续,直到所有剩余的输出共享都是针对同一个值。 #### 2. 异步设置中的挑战 在异步设置中应用上述思想时,存在两个主要挑战: 1. **无限等待问题**:在 ΠOptMult 中,一个潜在的腐败方可能永远不会共享分配给它的求和项的总和,导致无限等待。为了解决这个问题,由于 Z 满足 Q(4)(P, Z) 条件,每个 (Sp ∩Sq) \ Z 中至少包含一个诚实方。因此,不是为求和项 [a]p[b]q 指定一个单一的方,而是 P\Z 中的每个方都共享它“能够”共享的所有求和项的总和,从而保证每个 [a]p[b]q 至少被一个(诚实)方考虑进行共享。但需要确保一个求和项不会被多次共享。 2. **作弊者识别阶段参与问题**:如果存在一对冲突的 ΠOptMult 实例,这些实例中潜在的腐败求和项共享方可能不会进一步参与作弊者识别阶段。为了解决这个问题,乘法协议现在按迭代进行。在每次迭代中,各方为每个 Z ∈Z 运行一次异步 ΠOptMult 实例,并比较每个实例的输出。如果输出不同,他们将进入相应的作弊者识别阶段。然而,前一次迭代中的求和项共享方在参与所有前一次迭代的作弊者识别阶段之前,不允许参与未来的迭代。这可以防止前一次迭代中的腐败求和项共享方在未来的迭代中充当求和项共享方,直到他们完成“待办任务”,在这种情况下,他们会被发现并被丢弃。诚实方最终会被“释放”,可以在未来的迭代中充当求和项共享方。一旦各方到达所有 ΠOptMult 实例的输出都相同的迭代,协议就会停止。 #### 3. 预备知识和现有异步原语 ##### 3.1 基本假设 - 各方通过成对安全通道连接。 - 对手 Adv 是恶意且静态的,在协议执行开始时决定腐败方的集合。未受 Adv 控制的方称为诚实方。 - 给定 P′ ⊆P,如果对于每个 Zi₁, ..., Zik ∈Z,条件 P′ ⊈Zi₁ ∪ ..
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

史东来

安全技术专家
复旦大学计算机硕士,资深安全技术专家,曾在知名的大型科技公司担任安全技术工程师,负责公司整体安全架构设计和实施。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

碳纳米管在摩擦学应用中的最新进展

### 碳纳米管在摩擦学应用中的最新进展 #### 1. 碳纳米管复合材料弹性模量变化及影响因素 在碳纳米管(CNTs)的研究中,其弹性模量的变化是一个重要的研究方向。对于羟基而言,偶极 - 偶极相互作用对系统的势能有显著贡献,这会导致功能化后碳纳米管的弹性模量降低。这种弹性模量的降低可能归因于纳米管结构的不均匀性。 研究人员通过纳米管的长度、体积分数、取向以及聚乙烯基体等方面,对功能化碳纳米管复合材料的弹性性能进行了研究。此外,基体与增强相之间更好的粘附和相互作用,有助于提高所制备纳米复合材料的机械性能。 #### 2. 碳纳米管表面工程进展 在工业中,润滑剂常用于控制接触表面的摩擦和

人工智能的组织、社会和伦理影响管理

### 人工智能的组织、社会和伦理影响管理 #### 1. 敏捷方法与变革管理 许多公司在开发认知项目时采用“敏捷”方法,这通常有助于在开发过程中让参与者更积极地投入。虽然这些变革管理原则并非高深莫测,但它们常常被忽视。 #### 2. 国家和公司的经验借鉴 国家对人工智能在社会和商业中的作用有着重要影响,这种影响既有积极的一面,也有消极的一面。 ##### 2.1 瑞典的积极案例 - **瑞典工人对人工智能的态度**:《纽约时报》的一篇文章描述了瑞典工人对人工智能的淡定态度。例如,瑞典一家矿业公司的一名员工使用遥控器操作地下采矿设备,他认为技术进步最终会使他的工作自动化,但他并不担心,

前端交互效果与Perl服务器安装指南

### 前端交互效果与Perl服务器安装指南 #### 1. 前端交互效果实现 在网页开发中,我们常常会遇到各种有趣的交互效果需求。下面为你介绍一些常见的前端交互效果及其实现方法。 ##### 1.1 下拉菜单 下拉菜单是网页中常见的导航元素,它使用CSS规则和样式对象的隐藏与可见属性来实现。菜单默认是隐藏的,当鼠标悬停在上面时,属性变为可见,从而显示菜单。 ```html <html> <head> <style> body{font-family:arial;} table{font-size:80%;background:black} a{color:black;text-deco

Rails微帖操作与图片处理全解析

### Rails 微帖操作与图片处理全解析 #### 1. 微帖分页与创建 在微帖操作中,分页功能至关重要。通过以下代码可以设置明确的控制器和动作,实现微帖的分页显示: ```erb app/views/shared/_feed.html.erb <% if @feed_items.any? %> <ol class="microposts"> <%= render @feed_items %> </ol> <%= will_paginate @feed_items, params: { controller: :static_pages, action: :home } %> <% en

数据处理与自然语言编码技术详解

# 数据处理与自然语言编码技术详解 ## 1. 模糊匹配 在数据处理中,我们常常会遇到短字符串字段代表名义/分类值的情况。然而,由于数据采集的不确定性,对于本应表示相同名义值的观测,可能会输入不同的字符串。字符串字符出现错误的方式有很多,其中非规范大小写和多余空格是极为常见的问题。 ### 1.1 简单规范化处理 对于旨在表示名义值的特征,将原始字符串统一转换为小写或大写,并去除所有空格(根据具体预期值,可能是填充空格或内部空格),通常是一种有效的策略。例如,对于人名“John Doe”和“john doe”,通过统一大小写和去除空格,可将它们规范化为相同的形式。 ### 1.2 编辑距

编程挑战:uniq与findr实现解析

### 编程挑战:uniq 与 findr 实现解析 #### 1. uniq 功能实现逐步优化 最初的代码实现了对文件内容进行处理并输出每行重复次数的功能。以下是初始代码: ```rust pub fn run(config: Config) -> MyResult<()> { let mut file = open(&config.in_file) .map_err(|e| format!("{}: {}", config.in_file, e))?; let mut line = String::new(); let mut last = Str

Web开发实用技巧与Perl服务器安装使用指南

# Web开发实用技巧与Perl服务器安装使用指南 ## 1. Web开发实用技巧 ### 1.1 图片展示与时间处理 图片被放置在数组中,通过`getSeconds()`、`getMinutes()`和`getHours()`方法读取日期。然后按照以毫秒为增量指定的秒、分和小时来递增这些值。每经过一定的毫秒增量,就从预加载的数组中显示相应的图片。 ### 1.2 下拉菜单 简单的下拉菜单利用CSS规则以及样式对象的`hidden`和`visible`属性。菜单一直存在,只是默认设置为隐藏。当鼠标悬停在上面时,属性变为可见,菜单就会显示出来。 以下是实现下拉菜单的代码: ```html <

数据提取与处理:字符、字节和字段的解析

### 数据提取与处理:字符、字节和字段的解析 在数据处理过程中,我们常常需要从输入文本中提取特定的字符、字节或字段。下面将详细介绍如何实现这些功能,以及如何处理分隔文本文件。 #### 1. 打开文件 首先,我们需要一个函数来打开文件。以下是一个示例函数: ```rust fn open(filename: &str) -> MyResult<Box<dyn BufRead>> { match filename { "-" => Ok(Box::new(BufReader::new(io::stdin()))), _ => Ok(Box::n

分形分析与随机微分方程:理论与应用

### 分形分析与随机微分方程:理论与应用 #### 1. 分形分析方法概述 分形分析包含多种方法,如Lévy、Hurst、DFA(去趋势波动分析)和DEA(扩散熵分析)等,这些方法在分析时间序列数据的特征和相关性方面具有重要作用。 对于无相关性或短程相关的数据序列,参数α预期为0.5;对于具有长程幂律相关性的数据序列,α介于0.5和1之间;而对于幂律反相关的数据序列,α介于0和0.5之间。该方法可用于测量高频金融序列以及一些重要指数的每日变化中的相关性。 #### 2. 扩散熵分析(DEA) DEA可用于分析和检测低频和高频时间序列的缩放特性。通过DEA,能够确定时间序列的特征是遵循高

零售销售数据的探索性分析与DeepAR模型预测

### 零售销售数据的探索性分析与DeepAR模型预测 #### 1. 探索性数据分析 在拥有45家商店的情况下,我们选择了第20号商店,来分析其不同部门在三年间的销售表现。借助DeepAR算法,我们可以了解不同部门商品的销售情况。 在SageMaker中,通过生命周期配置(Lifecycle Configurations),我们可以在笔记本实例启动前自定义安装Python包,避免在执行笔记本前手动跟踪所需的包。为了探索零售销售数据,我们需要安装最新版本(0.9.0)的seaborn库。具体操作步骤如下: 1. 在SageMaker的Notebook下,点击Lifecycle Config