活动介绍

网络无关的多方安全计算与统计安全

立即解锁
发布时间: 2025-08-31 00:53:39 阅读量: 8 订阅数: 33 AIGC
### 网络无关的多方安全计算与统计安全 #### 1. 线性秘密共享随机值生成协议 在网络计算中,生成线性秘密共享的随机值是一项重要任务。协议 $\Pi_{Rand}$ 能在不同网络环境下实现这一目标。 - **协议时间**:$T_{Rand} = T_{MDVSS} = T_{SVM} + T_{Auth} + 2T_{BC} + 6T_{BA}$,且 $L \geq 1$。 - **正确性**: - **同步网络**:除了概率为 $O(n^3 \cdot \epsilon_{ICP})$ 的情况外,在时间 $T_{Rand}$ 时,存在值 $r^{(1)}, \ldots, r^{(L)}$,它们以 IC 签名进行线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$。 - **异步网络**:除了概率为 $O(n^3 \cdot \epsilon_{ICP})$ 的情况外,存在值 $r^{(1)}, \ldots, r^{(L)}$,它们几乎肯定以 IC 签名进行线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$。 - **隐私性**:无论网络类型如何,对手的视图与 $r^{(1)}, \ldots, r^{(L)}$ 无关。 - **通信复杂度**:该协议产生 $O(|Z_s|^2 \cdot L \cdot n^9 \cdot \log |F| \cdot |\sigma|)$ 比特的通信量,此外还有 $O(|Z_s| + n)$ 个 $\Pi_{BA}$ 实例。 #### 2. 三元组生成的网络无关协议 此协议用于生成随机且私密的乘法三元组,这些三元组以 IC 签名进行线性秘密共享。它基于几个子协议,下面详细介绍。 ##### 2.1 生成带 IC 签名的值的线性秘密共享 在协议 $\Pi_{LSh}$ 中,有一个指定的经销商 $D \in P$,其有私有输入 $s$。还有一个随机值 $r \in F$,它以 IC 签名进行线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$,且在协议开始时 $D$ 并不知道 $r$ 的值。 - **协议步骤**: 1. 让 $D$ 重构值 $r$。 2. $D$ 使用 $r$ 作为一次性密码本(OTP),公开 $s$ 的 OTP 加密。 3. 各方利用秘密共享的线性性质,从 OTP 加密中本地移除 OTP。 ##### 2.2 非鲁棒乘法协议 协议 $\Pi_{BasicMult}$ 接收输入 $a$ 和 $b$,它们以 IC 签名进行线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$,还有一个公开已知的子集 $G_D \subset P$,其中仅包含腐败方。 - **输出**:各方输出 $c$ 的线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$。 - **正确性**:如果 $P \setminus G_D$ 中的所有方都诚实行为,则 $c = a \cdot b$;否则 $c = a \cdot b + \delta$,其中 $\delta \neq 0$。 - **隐私性**:对手在协议中不会了解到关于 $a$ 和 $b$ 的任何额外信息。 ##### 2.3 带作弊者识别的随机三元组生成 协议 $\Pi_{RandMultCI}$ 接收迭代号 $iter$ 和一个公开已知的腐败方子集 $G_D$。 - **输出**: - 如果 $P \setminus G_D$ 中的所有方都诚实行为,则输出一个随机的线性秘密共享乘法三元组,核心集为 $GW_1, \ldots, GW_{|Z_s|}$。 - 否则,诚实方以高概率识别出一个新的腐败方,并将其添加到 $G_D$ 中。 - **协议阶段**: 1. 各方联合生成一对随机值,以 IC 签名进行线性秘密共享,核心集为 $GW_1, \ldots, GW_{|Z_s|}$。 2. 各方运行 $\Pi_{BasicMult}$ 实例,计算第一阶段生成的一对秘密共享随机值的乘积。 3. 各方运行概率测试(“牺牲技巧”),检查 $\Pi_{BasicMult}$ 实例中是否发生作弊。 ##### 2.4 乘法三元组生成协议 协议 $\Pi_{TripGen}$ 基于上述协议,各方迭代运行 $\Pi_{RandMultCI}$ 实例,直到找到一个未检测到作弊的实例。每次失败的实例都会更新 $G_D$ 集,最多进行 $(t + 1)$ 次迭代,其中 $t$ 是 $Z_s$ 中最大子集的基数。 #### 3. 有和无广播的孤立输出功能的安全计算 ##### 3.1 引言 孤立输出安全计算允许单个实体对分布在多个相互不信任方之间的输入计算函数,同时保证安全性,包括正确性、隐私性和保证输出交付(全安全)。在没有广播或诚实多数的情况下,全安全的多方计算通常是不可能的。本文研究了在有广播但无诚实多数,或无广播但有单个腐败方的情况下,哪些孤立输出三方功能可以进行全安全计算。 ##### 3.2 主要贡献 - **六边形论证的重新解释**:通过利用各方视图之间的相关性,将原本依赖协议性的六边形论证扩展到孤立输出设置中。 - **有趣函数族的特征描述**: - **无输入输出接收方(NIORP)功能**:定义了核心分区(CORE 分区),并给出了 NIORP 功能可以在点对点模型中
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

Rust模块系统与JSON解析:提升代码组织与性能

### Rust 模块系统与 JSON 解析:提升代码组织与性能 #### 1. Rust 模块系统基础 在 Rust 编程中,模块系统是组织代码的重要工具。使用 `mod` 关键字可以将代码分隔成具有特定用途的逻辑模块。有两种方式来定义模块: - `mod your_mod_name { contents; }`:将模块内容写在同一个文件中。 - `mod your_mod_name;`:将模块内容写在 `your_mod_name.rs` 文件里。 若要在模块间使用某些项,必须使用 `pub` 关键字将其设为公共项。模块可以无限嵌套,访问模块内的项可使用相对路径和绝对路径。相对路径相对

Rust开发实战:从命令行到Web应用

# Rust开发实战:从命令行到Web应用 ## 1. Rust在Android开发中的应用 ### 1.1 Fuzz配置与示例 Fuzz配置可用于在模糊测试基础设施上运行目标,其属性与cc_fuzz的fuzz_config相同。以下是一个简单的fuzzer示例: ```rust fuzz_config: { fuzz_on_haiku_device: true, fuzz_on_haiku_host: false, } fuzz_target!(|data: &[u8]| { if data.len() == 4 { panic!("panic s

Rust编程:模块与路径的使用指南

### Rust编程:模块与路径的使用指南 #### 1. Rust代码中的特殊元素 在Rust编程里,有一些特殊的工具和概念。比如Bindgen,它能为C和C++代码生成Rust绑定。构建脚本则允许开发者编写在编译时运行的Rust代码。`include!` 能在编译时将文本文件插入到Rust源代码文件中,并将其解释为Rust代码。 同时,并非所有的 `extern "C"` 函数都需要 `#[no_mangle]`。重新借用可以让我们把原始指针当作标准的Rust引用。`.offset_from` 可以获取两个指针之间的字节差。`std::slice::from_raw_parts` 能从

React应用性能优化与测试指南

### React 应用性能优化与测试指南 #### 应用性能优化 在开发 React 应用时,优化性能是提升用户体验的关键。以下是一些有效的性能优化方法: ##### Webpack 配置优化 通过合理的 Webpack 配置,可以得到优化后的打包文件。示例配置如下: ```javascript { // 其他配置... plugins: [ new webpack.DefinePlugin({ 'process.env': { NODE_ENV: JSON.stringify('production') } }) ],

iOS开发中的面部识别与机器学习应用

### iOS开发中的面部识别与机器学习应用 #### 1. 面部识别技术概述 随着科技的发展,如今许多专业摄影师甚至会使用iPhone的相机进行拍摄,而iPad的所有当前型号也都配备了相机。在这样的背景下,了解如何在iOS设备中使用相机以及相关的图像处理技术变得尤为重要,其中面部识别技术就是一个很有价值的应用。 苹果提供了许多框架,Vision框架就是其中之一,它可以识别图片中的物体,如人脸。面部识别技术不仅可以识别图片中人脸的数量,还能在人脸周围绘制矩形,精确显示人脸在图片中的位置。虽然面部识别并非完美,但它足以让应用增加额外的功能,且开发者无需编写大量额外的代码。 #### 2.

AWS无服务器服务深度解析与实操指南

### AWS 无服务器服务深度解析与实操指南 在当今的云计算领域,AWS(Amazon Web Services)提供了一系列强大的无服务器服务,如 AWS Lambda、AWS Step Functions 和 AWS Elastic Load Balancer,这些服务极大地简化了应用程序的开发和部署过程。下面将详细介绍这些服务的特点、优缺点以及实际操作步骤。 #### 1. AWS Lambda 函数 ##### 1.1 无状态执行特性 AWS Lambda 函数设计为无状态的,每次调用都是独立的。这种架构从一个全新的状态开始执行每个函数,有助于提高可扩展性和可靠性。 #####

并发编程中的锁与条件变量优化

# 并发编程中的锁与条件变量优化 ## 1. 条件变量优化 ### 1.1 避免虚假唤醒 在使用条件变量时,虚假唤醒是一个可能影响性能的问题。每次线程被唤醒时,它会尝试锁定互斥锁,这可能与其他线程竞争,对性能产生较大影响。虽然底层的 `wait()` 操作很少会虚假唤醒,但我们实现的条件变量中,`notify_one()` 可能会导致多个线程停止等待。 例如,当一个线程即将进入睡眠状态,刚加载了计数器值但还未入睡时,调用 `notify_one()` 会阻止该线程入睡,同时还会唤醒另一个线程,这两个线程会竞争锁定互斥锁,浪费处理器时间。 解决这个问题的一种相对简单的方法是跟踪允许唤醒的线

Rust应用中的日志记录与调试

### Rust 应用中的日志记录与调试 在 Rust 应用开发中,日志记录和调试是非常重要的环节。日志记录可以帮助我们了解应用的运行状态,而调试则能帮助我们找出代码中的问题。本文将介绍如何使用 `tracing` 库进行日志记录,以及如何使用调试器调试 Rust 应用。 #### 1. 引入 tracing 库 在 Rust 应用中,`tracing` 库引入了三个主要概念来解决在大型异步应用中进行日志记录时面临的挑战: - **Spans**:表示一个时间段,有开始和结束。通常是请求的开始和 HTTP 响应的发送。可以手动创建跨度,也可以使用 `warp` 中的默认内置行为。还可以嵌套

Rust数据处理:HashMaps、迭代器与高阶函数的高效运用

### Rust 数据处理:HashMaps、迭代器与高阶函数的高效运用 在 Rust 编程中,文本数据管理、键值存储、迭代器以及高阶函数的使用是构建高效、安全和可维护程序的关键部分。下面将详细介绍 Rust 中这些重要概念的使用方法和优势。 #### 1. Rust 文本数据管理 Rust 的 `String` 和 `&str` 类型在管理文本数据时,紧密围绕语言对安全性、性能和潜在错误显式处理的强调。转换、切片、迭代和格式化等机制,使开发者能高效处理文本,同时充分考虑操作的内存和计算特性。这种方式强化了核心编程原则,为开发者提供了准确且可预测地处理文本数据的工具。 #### 2. 使

Rust项目构建与部署全解析

### Rust 项目构建与部署全解析 #### 1. 使用环境变量中的 API 密钥 在代码中,我们可以从 `.env` 文件里读取 API 密钥并运用到函数里。以下是 `check_profanity` 函数的代码示例: ```rust use std::env; … #[instrument] pub async fn check_profanity(content: String) -> Result<String, handle_errors::Error> { // We are already checking if the ENV VARIABLE is set