[论文解读] Self-Healing Computation

George Saad, Jared Saia|arXiv (Cornell University)|May 6, 2014

Cryptography and Data Security参考文献 16被引用 6

一句话总结

本文提出了一种用于可靠多方计算（RC）的自愈算法，该算法在最多有 (1/4 − ε)n 个参与方被敌手控制的情况下，维持渐近最优的消息和计算成本——每次计算为 O(m + n log n)——同时将预期被污染的输出数量限制在 O(t(log* m)²)。该方法使用准群图结构和一种检测机制，随时间逐步隔离被污染的参与方，从而在最小开销下实现长期弹性。

ABSTRACT

In the problem of reliable multiparty computation (RC), there are $n$ parties, each with an individual input, and the parties want to jointly compute a function $f$ over $n$ inputs. The problem is complicated by the fact that an omniscient adversary controls a hidden fraction of the parties. We describe a self-healing algorithm for this problem. In particular, for a fixed function $f$, with $n$ parties and $m$ gates, we describe how to perform RC repeatedly as the inputs to $f$ change. Our algorithm maintains the following properties, even when an adversary controls up to $t \leq (\frac{1}{4} - ε) n$ parties, for any constant $ε>0$. First, our algorithm performs each reliable computation with the following amortized resource costs: $O(m + n \log n)$ messages, $O(m + n \log n)$ computational operations, and $O(\ell)$ latency, where $\ell$ is the depth of the circuit that computes $f$. Second, the expected total number of corruptions is $O(t (\log^{*} m)^2)$, after which the adversarially controlled parties are effectively quarantined so that they cause no more corruptions.

研究动机与目标

• 设计一种用于可靠多方计算（RC）的自愈算法，使其在持续拜占庭攻击下仍能保持高效性。
• 在保持摊销通信和计算成本渐近最优的前提下，最小化被污染输出的总数。
• 通过在有限次污染后自动隔离被污染参与方，实现长期弹性。
• 在部分同步模型下实现目标，敌手计算能力受限，且每个参与方具有唯一ID。
• 支持对函数 f 在动态输入下进行重复执行，且重新配置开销极小。

提出的方法

• 该算法使用准群图结构，其中每个准群包含 Θ(log n) 个参与方，且其中最多 1/4 为坏参与方，从而确保容错能力。
• 每个参与方属于 Θ(log n) 个准群，且准群之间的连通性允许连接准群中的参与方直接通信。
• 检测阶段 CHECK 通过随机抽样识别被污染计算，每次调用的成功概率至少为 1/2。
• 当检测到污染时，UPDATE 过程会识别相邻准群之间存在冲突的参与方对，以标记坏参与方。
• 欺骗DAG模型用于追踪被污染的依赖关系，其规模随轮次呈对数缩小，从而确保坏参与方最终被隔离。
• 利用切尔诺夫不等式和概率分析证明，O(log* m) 轮检测足以以高概率将欺骗DAG缩小至零大小。

实验结果

研究问题

• RQ1 能否设计一种用于可靠多方计算的自愈算法，在保持渐近最优消息和计算成本的同时限制污染数量？
• RQ2 在静态拜占庭敌手存在下，最优消息复杂度下可实现的最小预期污染数是多少？
• RQ3 如何在不预先知晓其身份的情况下，随时间自动隔离被污染的参与方？
• RQ4 检测机制能否随电路深度和门数高效扩展？
• RQ5 是否可能在动态输入下对函数 f 进行重复执行时仍保持可靠性？

主要发现

• 该算法实现了每次计算的 O(m + n log n) 摊销消息和计算成本，与理论下界一致。
• 预期被污染输出的数量被限制在 O(t(log* m)²) 以内，其中 t 为被攻破的参与方数量。
• 在 O(t(log* m)²) 次污染后，所有坏参与方均被有效隔离，不再影响后续计算。
• 每次计算的延迟为 O(ℓ)，其中 ℓ 是计算 f 的电路深度。
• 检测机制 CHECK 通过随机抽样参与方，每次调用可至少以 1/2 的概率识别污染。
• 欺骗DAG模型确保污染传播在 O(log* m) 轮内以高概率缩小，从而实现对坏参与方的高效隔离。