論文の概要: Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity
- arxiv url: http://arxiv.org/abs/2506.04647v1
- Date: Thu, 05 Jun 2025 05:28:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-06 21:53:49.550111
- Title: Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity
- Title（参考訳）: 認証付きプライベート・セット・インターセクション:データの整合性を高めるメルクル木に基づくアプローチ
- Authors: Zixian Gong, Zhiyong Zheng, Zhe Hu, Kun Tian, Yi Zhang, Zhedanov Oleksiy, Fengxia Liu,
- Abstract要約: プライベート・セット・インターセクション(PSI)は、参加者のプライバシーを維持しながら、セット・交差点のセキュアな計算を可能にする。
標準PSIの既存のプロトコルは、悪意のある参加者が追加の交差点情報を抽出できるようなデータ完全性攻撃に弱いままである。
我々はPSIにおけるデータの整合性の定義を提案し、Merkle Treesと最先端の2パーティVolePSIとマルチパーティmPSIプロトコルを統合することにより、2つの認証PSIスキームを構築する。
- 参考スコア（独自算出の注目度）: 12.57031390693896
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Private Set Intersection (PSI) enables secure computation of set intersections while preserving participant privacy, standard PSI existing protocols remain vulnerable to data integrity attacks allowing malicious participants to extract additional intersection information or mislead other parties. In this paper, we propose the definition of data integrity in PSI and construct two authenticated PSI schemes by integrating Merkle Trees with state-of-the-art two-party volePSI and multi-party mPSI protocols. The resulting two-party authenticated PSI achieves communication complexity $\mathcal{O}(n \lambda+n \log n)$, aligning with the best-known unauthenticated PSI schemes, while the multi-party construction is $\mathcal{O}(n \kappa+n \log n)$ which introduces additional overhead due to Merkle tree inclusion proofs. Due to the incorporation of integrity verification, our authenticated schemes incur higher costs compared to state-of-the-art unauthenticated schemes. We also provide efficient implementations of our protocols and discuss potential improvements, including alternative authentication blocks.
- Abstract（参考訳）: プライベート・セット・インターセクション(PSI)は、設定された交差点の安全な計算を可能にし、参加者のプライバシーを守りながら、標準のPSIの既存のプロトコルはデータ完全性攻撃に弱いままであり、悪意のある参加者が追加の交差点情報を抽出したり、他の参加者を誤解させたりすることができる。
本稿では,PSIにおけるデータ整合性の定義を提案し,Merkle Treesと最先端の2パーティVolePSIプロトコルとマルチパーティmPSIプロトコルを統合することにより,2つの認証PSIスキームを構築する。
結果として得られる2つのパーティ認証PSIは通信複雑性を$\mathcal{O}(n \lambda+n \log n)$とし、最もよく知られた認証PSIスキームと整合し、マルチパーティ構成は$\mathcal{O}(n \kappa+n \log n)$である。
整合性検証の導入により、我々の認証スキームは最先端の認証スキームよりも高いコストがかかる。
また、プロトコルの効率的な実装も提供し、代替認証ブロックを含む潜在的な改善について議論する。
関連論文リスト
- IDCloak: A Practical Secure Multi-party Dataset Join Framework for Vertical Privacy-preserving Machine Learning [7.765213701941396]
本稿では,vPPMLのための最初の実用的セキュアなマルチパーティデータセット結合フレームワークであるIDCloakを提案する。
我々は、IDCloakは、パーティ数が増えると、二者間設定において高い効率と同等の性能を示すことを示した。
提案したcmPSIプロトコルは,より強力なセキュリティ保証を提供するとともに,通信サイズが最大7.78times$と8.73times$の効率向上を実現している。
論文 参考訳（メタデータ） (2025-06-01T16:20:39Z) - FedRE: Robust and Effective Federated Learning with Privacy Preference [20.969342596181246]
Federated Learning (FL) は、生データのプライバシー漏洩を防ぐために、分散トレーニングのためにサーバにグラデーションアグリゲーションを採用する。
プライベート情報は、クライアントからアップロードされたグラデーションの分析を通じて、依然として拡散することができる。
既存の手法では、各サンプルを同じメカニズムで摂動するだけで、実用的な問題を考慮できない。
論文 参考訳（メタデータ） (2025-05-08T01:50:27Z) - Provable Privacy with Non-Private Pre-Processing [56.770023668379615]
非プライベートなデータ依存前処理アルゴリズムによって生じる追加のプライバシーコストを評価するための一般的なフレームワークを提案する。
当社のフレームワークは,2つの新しい技術的概念を活用することにより,全体的なプライバシー保証の上限を確立する。
論文 参考訳（メタデータ） (2024-03-19T17:54:49Z) - Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。
NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
論文 参考訳（メタデータ） (2024-02-13T12:12:39Z) - AnonPSI: An Anonymity Assessment Framework for PSI [5.301888664281537]
Private Set Intersection (PSI) は、2つのパーティが共有データセットの切断された部分上で関数を安全に計算できるプロトコルである。
最近の研究は、Set Membership Inference Attacks(SMIA)の脆弱性を強調している。
本稿では,PSIにおける匿名性の評価について検討する。
論文 参考訳（メタデータ） (2023-11-29T22:13:53Z) - Secure and Scalable Circuit-based Protocol for Multi-Party Private Set Intersection [4.946124980718068]
回路ベースのアプローチは、このタスクを達成するためにカスタムプロトコルを使用するよりも利点がある。
2つのパーティ間のセキュアな計算を使用することで、プロトコルは複数パーティ間のインタラクションに関連する複雑さを回避します。
回路ベース構築に伴うオーバヘッドを軽減するため,単純なハッシュ方式と置換型ハッシュ関数を用いることで,プロトコルをさらに強化した。
論文 参考訳（メタデータ） (2023-09-14T03:20:33Z) - Advancement on Security Applications of Private Intersection Sum Protocol [1.0485739694839666]
セキュアな計算プロトコルは、関係者からの入力を組み合わせて、入力をプライベートに保ちながら出力を生成する。
プライベート・セット・インターセクション (PSI) はセキュアな計算プロトコルであり、2つのパーティが他のものを明らかにすることなくそれらのセットの交点を学習することができる。
プライベート・インターセクション・サム(PIS)は、両者が交差点の基数を学びたいときにPSIを拡張する。
Private Join and Compute (PJC) は PIS プロトコルのスケーラブルな拡張であり、組織が機密データセットと連携するのに役立つ。
論文 参考訳（メタデータ） (2023-08-28T17:42:53Z) - Breaking the Communication-Privacy-Accuracy Tradeoff with
$f$-Differential Privacy [51.11280118806893]
サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。
有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。
より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
論文 参考訳（メタデータ） (2023-02-19T16:58:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。