[论文解读] Sub-Linear Privacy-Preserving Near-Neighbor Search

M. Sadegh Riazi, Beidi Chen+3 more|arXiv (Cornell University)|Dec 6, 2016

Privacy-Preserving Technologies in Data参考文献 73被引用 10

一句话总结

本文提出 SLSI，这是首个无需可信服务器即可实现诚实但好奇安全模型的次线性、隐私保护近邻搜索（PP-NNS）算法。它通过在局部敏感哈希（LSH）上应用一种新颖的概率变换，实现安全的次线性查询时间，同时通过信息理论隐私边界限制信息泄露，并在医疗记录和交友资料等真实数据集上进行了实证验证。

ABSTRACT

In Near-Neighbor Search (NNS), a new client queries a database (held by a server) for the most similar data (near-neighbors) given a certain similarity metric. The Privacy-Preserving variant (PP-NNS) requires that neither server nor the client shall learn information about the other party's data except what can be inferred from the outcome of NNS. The overwhelming growth in the size of current datasets and the lack of a truly secure server in the online world render the existing solutions impractical; either due to their high computational requirements or non-realistic assumptions which potentially compromise privacy. PP-NNS having query time {\it sub-linear} in the size of the database has been suggested as an open research direction by Li et al. (CCSW'15). In this paper, we provide the first such algorithm, called Secure Locality Sensitive Indexing (SLSI) which has a sub-linear query time and the ability to handle honest-but-curious parties. At the heart of our proposal lies a secure binary embedding scheme generated from a novel probabilistic transformation over locality sensitive hashing family. We provide information theoretic bound for the privacy guarantees and support our theoretical claims using substantial empirical evidence on real-world datasets.

研究动机与目标

• 解决大规模、高维数据集缺乏可扩展的隐私保护近邻搜索（PP-NNS）的问题。
• 克服现有方案依赖可信服务器或具有线性查询复杂度的局限性。
• 在保持诚实但好奇威胁模型下，实现与客户端数量呈次线性关系的查询时间。
• 提供信息理论隐私保证，确保泄露信息不超过近邻搜索结果本身。
• 开发一种实用的端到端解决方案，适用于医疗记录和在线交友资料等真实数据集的部署。

提出的方法

• 提出一种新颖的概率变换方法，应用于局部敏感哈希（LSH）族，以生成安全的二值嵌入，隐藏原始数据的同时保留近邻关系。
• 使用 Yao 的混淆电路（GC）协议，安全计算查询嵌入与数据库嵌入之间的最小距离，而无需暴露输入。
• 将安全嵌入变换与基于黑盒混淆电路的计算层集成，实现嵌入的私有比较。
• 设计一种安全索引方案，通过避免穷举距离计算，实现次线性查询时间。
• 理论分析表明，该变换将信息泄露限制在任意上界内，确保 epsilon-安全。
• 在真实数据集上实证验证该方法，证明其在隐私保护与效率方面的有效性。

实验结果

研究问题

• RQ1 能否在不依赖可信服务器且不损害隐私的前提下，实现 PP-NNS 系统的次线性查询时间？
• RQ2 是否可能在保持次线性性能的同时，保护标准 LSH 基于的 NNS 免受三角测量攻击？
• RQ3 对 LSH 族应用概率变换，能否确保仅揭示近邻关系，且泄露信息有界？
• RQ4 如何高效组合安全函数计算（如混淆电路）与 LSH，以实现私有的最近邻搜索？
• RQ5 所提方法在真实高维数据集上的准确性与效率能保持到何种程度？

主要发现

• SLSI 在数据库条目数量上实现了次线性查询时间，可高效扩展至网络规模数据集。
• 所提出的 LSH 族概率变换可防止非近邻点的距离估计，有效阻止三角测量攻击。
• 理论分析证明该方案提供信息理论隐私保证，泄露信息有界，形式化为 epsilon-安全。
• 在医疗记录和在线交友资料上的实证评估表明，SLSI 在保持高准确性的同时，显著降低了线性方法的计算开销。
• 混淆电路与安全 LSH 嵌入的集成，实现了最小通信量与最少可信方假设下的私有最近邻计算。
• 在效率与安全性方面，该系统优于现有 PP-NNS 解决方案，尤其在传统方法失效的高维场景中表现更优。