查看原文
其他

论文分享|MPC技术路线及MASCOT协议(二)

甘露 隐私计算研习社 2024-01-09

安全多方计算(Secure Multi-party Computation, MPC)是隐私计算技术中的一种,它可以让一组用户以他们的隐私数据为输入,共同计算一个函数,并且所有用户只能得到这个函数的输出,无法得到其他的任何信息。


举个例子,A、B、C三个人,想要计算他们的平均工资,但是他们又都不想告诉别人自己的工资是多少,那么他们就可以使用安全多方计算,以他们的工资作为输入,计算工资的平均数作为输出。安全多方计算能保证输出他们的平均工资,同时也不会泄露A、B、C个人的工资。

在上文中,我们详细解读一种比较先进的安全多方计算协议MASCOT,该协议具备计算速度快、抗多数恶意成员攻击的特性。为了方便读者理解,本文会首先介绍安全多方计算的大体框架,然后介绍一个安全的安全多方计算协议所需的技术内容,最后介绍MASCOT对于这些技术内容的具体实现,具体请见论文分享|MPC技术路线及MASCOT协议(一)

在这篇文章中,我们将介绍MASCOT协议的其他部分,包括可验证秘密分享的实现、离线协议以及在线协议。


1

可验证秘密分享的实现

2

线性运算


3

离线协议

在上一篇文章中,我们已经讲到了,MASCOT的离线协议需要生成两部分内容,分别是输入和三元组。现在我们介绍如何安全地生成输入和三元组。


4

在线协议


6

总结

本文介绍了MASCOT协议中的可验证秘密分享的实现、离线协议以及在线协议。通过MASCOT协议,我们可以实现快速、抗多数恶意方的安全多方计算。

读者如果需要对MASCOT协议有更加深入的理解,可以阅读原文章[1]。同时,MASCOT协议也有开源的实现(https://github.com/data61/MP-SPDZ),可以作为参考。

7

参考文献

[1] Keller M, Orsini E, Scholl P. MASCOT: faster malicious arithmetic secure computation with oblivious transfer[C]//Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security. 2016: 830-842.

本文来源: https://zhuanlan.zhihu.com/p/389014304


作者:甘露


分享仅供学习参考,若有不当,请联系我们处理。


END

1.论文合集|2023 PETS会议 (CCF-C) 论文名单

2.论文详解丨基于错误学习难度实现联邦学习的高效差分隐私安全聚合

3.论文详解丨一种面向电能量数据的联邦学习可靠性激励机制

4. 学习同态加密:同态加密中英文经典教材盘点


继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存