論文の概要: Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing

• arxiv url: http://arxiv.org/abs/2509.13684v1
• Date: Wed, 17 Sep 2025 04:28:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.71496
• Title: Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing
• Title（参考訳）: 関数秘密共有に基づく公開検証可能なプライベート情報検索プロトコル
• Authors: Lin Zhu, Lingwei Kong, Xin Ning, Xiaoyang Qu, Jianzong Wang,
• Abstract要約: プライベート情報検索(Private Information Retrieval、PIR)は、ユーザーがどのアイテムがアクセスされているかを知ることなくデータベースからデータを検索できる暗号化プリミティブである。 マルチサーバ環境におけるPVPIR(Public Verible PIR)の2つの効果的な構成を提案し,クエリのプライバシ,正確性,妥当性を同時に実現した。
• 参考スコア（独自算出の注目度）: 45.68069331331365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Private Information Retrieval (PIR) is a fundamental cryptographic primitive that enables users to retrieve data from a database without revealing which item is being accessed, thereby preserving query privacy. However, PIR protocols also face the challenge of result verifiability, as users expect the reconstructed data to be trustworthy and authentic. In this work, we propose two effective constructions of publicly verifiable PIR (PVPIR) in the multi-server setting, which achieve query privacy, correctness, and verifiability simultaneously. We further present three concrete instantiations based on these constructions. For the point query, our protocol introduces minimal computational overhead and achieves strong verifiability guarantees with significantly lower communication costs compared to existing Merkle tree-based approaches. For the predicate query, the communication complexity of our scheme remains stable as the database size increases, demonstrating strong scalability and suitability for large-scale private query applications.
• Abstract（参考訳）: プライベート情報検索(Private Information Retrieval, PIR)は、データベースからデータを取得するための基本的な暗号化プリミティブである。 しかし、PIRプロトコルは、再構成されたデータが信頼性と信頼性を期待するため、結果検証の難しさにも直面する。 本研究では,マルチサーバ環境におけるPVPIR (Public verible PIR) の2つの効果的な構成を提案し,クエリのプライバシ,正確性,妥当性を同時に実現している。 さらに、これらの構造に基づく3つの具体的なインスタンス化を提示する。 点問合せのために,本プロトコルは計算オーバーヘッドを最小化し,既存のメルクルツリー方式に比べて通信コストを著しく低減し,高い検証可能性を保証する。 述語クエリでは、データベースのサイズが大きくなるにつれて通信の複雑さが安定し、大規模プライベートクエリアプリケーションに強力なスケーラビリティと適合性を示す。

関連論文リスト

• HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [1.1701842638497677]
  Homomorphic OPE(Homomorphic OPE)は、クライアント側のストレージを排除し、クエリ実行中に追加のクライアントサーバ間のインタラクションを回避する新しいOPEスキームである。 我々は、広く受け入れられているIND-OCPAモデルの下で、HOPEの正式な暗号解析を行い、その安全性を証明した。
  論文  参考訳（メタデータ） (2024-11-26T00:38:46Z)
• Private Counterfactual Retrieval [34.11302393278422]
  透明性と説明可能性は、ブラックボックス機械学習モデルを高精細なアプリケーションに採用する際に考慮すべき、極めて重要な2つの側面である。 反実的な説明を提供することは、この要件を満たす一つの方法である。 本稿では,個人情報検索(PIR)技術にインスパイアされた複数のスキームを提案する。
  論文  参考訳（メタデータ） (2024-10-17T17:45:07Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。 既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。 本稿では,プライバシ評価器,ユーティリティ評価器,最適化コンポーネントの3つの重要なコンポーネントで構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• Privacy-Enhanced Database Synthesis for Benchmark Publishing (Technical Report) [16.807486872855534]
  差分プライバシー(DP)に基づくデータ合成は、データ共有時のプライバシ保護の鍵となる方法となっている。 本稿では,ベンチマーク公開シナリオに特化して,差分プライベートなデータベース合成について述べる。 我々は、データ分散とクエリ実行時のパフォーマンスの両面において忠実性を維持する高品質なベンチマークデータベースの合成をサポートする。
  論文  参考訳（メタデータ） (2024-05-02T14:20:24Z)
• VPAS: Publicly Verifiable and Privacy-Preserving Aggregate Statistics on Distributed Datasets [4.181095166452762]
  プライバシ保護アグリゲーションプロトコルにおける入力検証と公開検証の課題について検討する。 これらの要件を満たす「VPAS」プロトコルを提案する。 本研究は,従来のzkSNARKを用いた場合に比べて,本プロトコルの妥当性に関するオーバーヘッドが10倍低いことを示す。
  論文  参考訳（メタデータ） (2024-03-22T13:50:22Z)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• 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)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Provably-secure symmetric private information retrieval with quantum cryptography [0.0]
  本稿では,セキュアな通信と共有ランダム性要件の両方を実現するための実装として,量子鍵分布(QKD)を提案する。 我々は、QKDがSPIRプロトコルのセキュリティを維持しており、外部の盗聴者に対しても安全であることを証明した。
  論文  参考訳（メタデータ） (2020-04-29T02:08:10Z)

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。