[논문 리뷰] A Distributed k-Secure Sum Protocol for Secure Multi-Party Computations

Rashid Sheikh, Beerendra Kumar외 1명|arXiv (Cornell University)|2010. 03. 22.

Cryptography and Data Security참고 문헌 12인용 수 51

한 줄 요약

이 논문은 보안 다자간 계산을 위한 분산 k-보안 합 프로토콜을 제안하며, 이는 두 개의 인접한 당사자가 협력하여 중간 당사자의 비공개 입력을 유추하려 해도 데이터 泄露가 발생하지 않음을 보장한다. 각 당사자의 데이터를 세그먼트로 분할하고 계산 이전에 참가자들 사이로 재분배함으로써, 반간성 공격자 모델 하에서 완벽한 보안을 달성하며, 충돌 공격에 대한 정보 이론적 보장이 있다.

ABSTRACT

Secure sum computation of private data inputs is an interesting example of Secure Multiparty Computation (SMC) which has attracted many researchers to devise secure protocols with lower probability of data leakage. In this paper, we provide a novel protocol to compute the sum of individual data inputs with zero probability of data leakage when two neighbor parties collude to know the data of a middle party. We break the data block of each party into number of segments and redistribute the segments among parties before the computation. These entire steps create a scenario in which it becomes impossible for semi honest parties to know the private data of some other party.

연구 동기 및 목표

• 기존 보안 합 프로토콜에서 협력하는 당사자가 다른 이의 비공개 입력을 추론할 수 있는 취약점을 해결하기 위해.
• 두 개의 인접한 당사자가 협력하더라도 정보 이론적 보안을 유지하는 분산 프로토콜을 설계하기 위해.
• 합 계산 이전에 데이터를 세그먼트로 분할하고 여러 당사자들 사이로 재분배하여 데이터 泄露를 제거하기 위해.
• 최소한의 신뢰 가정 하에 실용적이고 확장 가능한 다자 환경에서의 보안 합 계산 솔루션을 제공하기 위해.

제안 방법

• 각 당사자는 비공개 입력을 비밀 공유 유사 방법을 사용해 여러 세그먼트로 분할한다.
• 세그먼트는 어떤 당사자도 원본 입력을 재구성할 수 없도록 모든 참가자들 사이로 재분배된다.
• 각 당사자가 자신의 할당량을 현지에서 처리하고 최종 합에 기여하는 분산 계산 모델을 사용한다.
• 재분배 메커니즘이 두 개의 인접한 당사자가 협력하더라도 중간 당사자의 비공개 데이터를 재구성할 수 없도록 보장한다.
• 보안은 계산의 난이도가 아니라 수학적 원리에 기반한 정보 이론적 보안에 의존한다.
• 최종 합은 모든 현지 기여의 집합으로 계산되며, 어떤 당사자도 다른 당사자의 전체 입력을 알지 못한다.

실험 결과

연구 질문

• RQ1 두 개의 인접한 당사자가 협력하는 경우 보안 합 계산에서 데이터 泄露를 방지할 수 있는 분산 프로토콜을 설계할 수 있는가?
• RQ2 어떻게 데이터를 세그먼트로 분할하고 재분배하여 어떤 당사자나 협력하는 쌍이 다른 당사자의 비공개 입력을 재구성할 수 없도록 할 수 있는가?
• RQ3 계산 가정에 의존하지 않고도 다자 합 계산에서 정보 이론적 보안을 보장할 수 있는 메커니즘은 무엇인가?
• RQ4 효율성과 확장성을 유지하면서도 분산 환경에서 완벽한 보안을 달성할 수 있는가?
• RQ5 제안된 프로토콜은 기존의 k-보안 합 프로토콜과 비교해 보안성과 성능 면에서 어떻게 다른가?

주요 결과

• 반간성 공격자 모델 하에서도 두 개의 인접한 당사자가 협력하더라도 데이터 泄露 확률이 0이다.
• 모든 당사자들 사이로 데이터 세그먼트를 재분배함으로써, 어떤 당사자도 다른 당사자의 비공개 입력을 재구성할 수 없다.
• 보안 보장은 정보 이론적이라서, 공격자가 가진 계산 능력과는 무관하게 유지된다.
• 분산된 데이터 처리를 통해 합 계산의 정확성을 유지하면서도 기밀성을 보장한다.
• 이 방법은 확장 가능하며, 참가자 수와 무관하게 적용 가능하며, 보안은 참가자 수에 따라 달라지지 않는다.
• 강력한 기밀성 보장을 제공하는 분산 환경에서의 보안 합 계산을 위한 실용적인 솔루션을 제공한다.