[论文解读] Privacy Preserving k Secure Sum Protocol

Rashid Sheikh, Beerendra Kumar+1 more|ArXiv.org|Dec 4, 2009

Cryptography and Data Security参考文献 9被引用 45

一句话总结

本文提出了一种保护隐私的k-安全求和协议，使多个参与方可计算其私有输入的总和，而无需泄露各自的数值。通过将每个参与方的数据分割为固定部分并应用随机化技术，该协议增加了攻击者试图重建单个输入所需的计算复杂度，从而在最小泄漏的前提下增强了安全性。

ABSTRACT

Secure Multiparty Computation (SMC) allows parties to know the result of cooperative computation while preserving privacy of individual data. Secure sum computation is an important application of SMC. In our proposed protocols parties are allowed to compute the sum while keeping their individual data secret with increased computation complexity for hacking individual data. In this paper the data of individual party is broken into a fixed number of segments. For increasing the complexity we have used the randomization technique with segmentation

研究动机与目标

• 实现多个参与方在不泄露各自数值的情况下，安全地计算私有输入的总和。
• 通过数据分割和随机化技术，提高恢复单个输入的计算复杂度。
• 为分布式环境中的隐私保护求和计算提供一种实用且高效的解决方案。
• 确保即使攻击者获得部分信息，也无法以可行的努力重构原始输入。

提出的方法

• 每个参与方将其私有输入分割为固定数量的段，以隐藏单个数值。
• 对各段应用随机化技术，进一步混淆原始数据。
• 协议使用安全多方计算技术，计算所有段的总和，而无需暴露各自的贡献。
• 仅从聚合结果中重建总和，从而保护输入隐私。
• 该方法确保破解单个输入的隐私需要解决一个计算上困难的问题。
• 协议设计为适用于多方参与的高效且可扩展方案。

实验结果

研究问题

• RQ1 如何使多个参与方在保护数据机密性的前提下，安全地计算其私有输入的总和？
• RQ2 可采用哪些技术来提高恢复单个输入的计算复杂度？
• RQ3 数据分割和随机化能否有效增强安全求和协议中的隐私保护？
• RQ4 此类协议中，安全与计算开销之间的权衡是什么？

主要发现

• 所提出的协议成功计算了私有输入的总和，而未暴露单个数值。
• 分割和随机化显著增加了反向工程恢复单个输入所需的计算工作量。
• 即使攻击者获得部分数据或多个段，协议仍能保持安全性。
• 该方法在多方计算中实现了隐私、效率与实用性的良好平衡。