[论文解读] STAR: Secret Sharing for Private Threshold Aggregation Reporting

Alex Davidson, Peter J. Snyder+4 more|arXiv (Cornell University)|Sep 21, 2021

Privacy-Preserving Technologies in Data被引用 4

一句话总结

STAR 是一种实用且高效的阈值聚合系统，通过秘密共享和无感知伪随机函数（OPRF）实现对客户端遥测数据的密码学强制 𝜅-匿名。相比先前系统，其性能提升 1773 倍，通信开销减少 62.4 倍，成本降低 24 倍，同时支持任意数据类型并具备最小信任假设。

ABSTRACT

Threshold aggregation reporting systems promise a practical, privacy-preserving solution for developers to learn how their applications are used "\emph{in-the-wild}". Unfortunately, proposed systems to date prove impractical for wide scale adoption, suffering from a combination of requiring: \emph{i)} prohibitive trust assumptions; \emph{ii)} high computation costs; or \emph{iii)} massive user bases. As a result, adoption of truly-private approaches has been limited to only a small number of enormous (and enormously costly) projects. In this work, we improve the state of private data collection by proposing $\mathsf{STAR}$, a highly efficient, easily deployable system for providing cryptographically-enforced $κ$-anonymity protections on user data collection. The $\mathsf{STAR}$ protocol is easy to implement and cheap to run, all while providing privacy properties similar to, or exceeding the current state-of-the-art. Measurements of our open-source implementation of $\mathsf{STAR}$ find that it is $1773 imes$ quicker, requires $62.4 imes$ less communication, and is $24 imes$ cheaper to run than the existing state-of-the-art.

研究动机与目标

• 解决现有阈值聚合系统因高信任、计算或通信开销而导致的不切实际问题。
• 通过最小信任和实现复杂度，使开发者能够广泛采用私密遥测技术。
• 在不依赖大规模用户群体或噪声注入的情况下，提供等同于 𝜅-匿名的强隐私保障。
• 在阈值保护聚合中支持任意数据类型，突破以往仅限数值输入的限制。
• 设计一种高效、可审计且可使用成熟密码学技术部署的系统。

提出的方法

• 客户端通过使用从其输入和专用 OPRF 基随机性服务器获取的随机性生成密文，对测量值和辅助数据进行加密。
• 客户端发送密文、随机性的 𝜅-出-N 份额，以及一个标识测量值的确定性标签。
• 聚合服务器收集具有相同标签的消息，并仅在至少 𝜅 个客户端贡献后重建加密密钥。
• OPRF 服务器通过在不获知客户端输入的情况下返回伪随机函数输出，确保隐私，即使面对恶意行为者也是如此。
• STAR 支持轻量级变体 STARLite，当输入熵足够时，可完全基于测量值派生随机性，无需单独的随机性服务器。
• 该协议确保完美正确性与具体安全性，避免了随机响应方法中常见的噪声引发错误。

实验结果

研究问题

• RQ1 能否通过降低计算、通信和信任开销，使阈值聚合在真实世界中具备实用性？
• RQ2 如何在不依赖大规模用户群体或噪声注入的情况下，实现强隐私保障（如 𝜅-匿名）？
• RQ3 秘密共享能否被适配以支持任意数据类型，并在阈值聚合场景中实现非交互式、分布式客户端协调？
• RQ4 是否可能在保持强密码学安全性和最小信任假设的同时，实现高性能和低成本？
• RQ5 如何利用基于 OPRF 的随机性生成，实现高效、私密且可扩展的聚合？

主要发现

• STAR 在阈值聚合性能方面相比先前最先进系统提升 1773 倍。
• STAR 相比现有系统将通信开销减少 62.4 倍。
• STAR 将运行成本降低 24 倍，使其适用于中小型规模应用。
• 该系统支持任意数据类型，而先前系统仅限于数值输入。
• STARLite 在输入熵足够时可无需单独的随机性服务器部署，降低基础设施复杂度。
• 该协议提供完美正确性与具体安全性，避免了基于随机响应方法的错误与信息泄露问题。