[論文レビュー] A Secure Multi-Party Computation Protocol for Malicious Computation Prevention for preserving privacy during Data Mining

Durgesh Kumar Mishra, Neha Koria+2 more|ArXiv.org|Aug 7, 2009

Cryptography and Data Security参考文献 13被引用数 8

ひとこと要約

本論文は、プライバシー保護型データマイニングにおける悪意のある行動を防止するため、前記のEncrytpo_Randomプロトコルを拡張した強化されたセキュアマルチパーティ計算（SMPC）プロトコルを提案する。信頼できる第三者と暗号技術を統合した堅牢なアーキテクチャを採用し、データの機密性と整合性を確保することで、協働的データマイニングの場面における悪意ある攻撃者に対するセキュリティを著しく向上させる。

ABSTRACT

Secure Multi-Party Computation (SMC) allows parties with similar background to compute results upon their private data, minimizing the threat of disclosure. The exponential increase in sensitive data that needs to be passed upon networked computers and the stupendous growth of internet has precipitated vast opportunities for cooperative computation, where parties come together to facilitate computations and draw out conclusions that are mutually beneficial; at the same time aspiring to keep their private data secure. These computations are generally required to be done between competitors, who are obviously weary of each-others intentions. SMC caters not only to the needs of such parties but also provides plausible solutions to individual organizations for problems like privacy-preserving database query, privacy-preserving scientific computations, privacy-preserving intrusion detection and privacy-preserving data mining. This paper is an extension to a previously proposed protocol Encrytpo_Random, which presented a plain sailing yet effective approach to SMC and also put forward an aptly crafted architecture, whereby such an efficient protocol, involving the parties that have come forward for joint-computations and the third party who undertakes such computations, can be developed. Through this extended work an attempt has been made to further strengthen the existing protocol thus paving the way for a more secure multi-party computational process.

研究の動機と目的

• 相互に信頼できない当事者間におけるプライバシー保護型計算の需要が高まるのに対応すること。
• 協力的でない当事者によるプロトコルからの逸脱を防ぐために、既存のEncrytpo_Randomプロトコルを悪意ある攻撃者に対して強化すること。
• 第三者の信頼できる当事者を含む安全でスケーラブルなアーキテクチャを設計し、個人情報が露呈しない形で共同計算を可能にすること。
• 機微なデータが機密性を保たれる一方で、正確かつ信頼性のある協働的データマイニングの結果を得られることを保証すること。
• プライバシー保護型データベースクエリやインシデント検知システムなどの実世界の応用に適した実用的で効率的なソリューションを提供すること。

提案手法

• マルチパーティ計算中の悪意ある行動を検出・防止するメカニズムを導入することで、Encrytpo_Randomプロトコルを拡張する。
• データ所有者と信頼できる第三者（TTP）を含む三者構造のアーキテクチャを導入し、計算を仲介・検証する。
• 秘密分散とゼロ知識証明などの暗号技術を用いて、正しさと機密性を保証する。
• 入力検証と整合性チェックを実装し、いかなる当事者もプロトコルから逸脱したことを検出する。
• 構造的なプロトコルフローを採用することで、有効な入力のみが処理され、出力が検証可能であることを保証する。
• 既存の安全計算プリミティブを活用することで、効率性を維持しながらも、悪意ある参加者に対する耐性を強化する。

実験結果

リサーチクエスチョン

• RQ1 プライバシー保護型データマイニングにおける悪意ある行動を防ぐために、セキュアマルチパーティ計算プロトコルをどのように強化できるか？
• RQ2 相互に信頼できない当事者を含む協働的データマイニングにおいて、信頼性を確保するためのアーキテクチャ的改善は何か？
• RQ3 既存のEncrytpo_Randomプロトコルをどのように拡張すれば、悪意ある攻撃者に対するより強いセキュリティ保証を得られるか？
• RQ4 個人情報が露呈しないままに、入力の整合性と計算の正しさを検証できる暗号技術的メカニズムは何か？
• RQ5 提案されたプロトコルは、実世界のデータマイニングの場面において、強力なセキュリティを確保しながらも、どの程度の効率性を維持できるか？

主な発見

• 提案されたプロトコルは、悪意ある行動を検出・防止するメカニズムを導入することで、Encrytpo_Randomプロトコルのセキュリティを著しく向上させた。
• アーキテクチャは、入力検証と検証手順を通じて、悪意ある参加者のリスクを効果的に隔離・緩和している。
• 計算効率を維持しながらも、悪意ある参加者からの攻撃に対する耐性が著しく向上している。
• 暗号技術の統合により、計算プロセス中においても個人情報が機密性を保たれている。
• 競合企業や信頼できない主体が関与する場面においても、プライバシー保護型データマイニングの実用的フレームワークを提供する。
• 本ソリューションは、プライバシー保護型データベースクエリやインシデント検知システムなどの実世界のユースケースに適用可能である。