論文の概要: Efficient Multi-Party Secure Comparison over Different Domains with Preprocessing Assistance

• arxiv url: http://arxiv.org/abs/2602.19604v1
• Date: Mon, 23 Feb 2026 08:45:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.731777
• Title: Efficient Multi-Party Secure Comparison over Different Domains with Preprocessing Assistance
• Title（参考訳）: 前処理支援による異なる領域間の多人数安全比較
• Authors: Kaiwen Wang, Xiaolin Chang, Yuehan Dong, Ruichen Zhang,
• Abstract要約: 比較プロトコルにおける重要なパフォーマンスボトルネックは、前処理フェーズである。 最近のフレームワークでは、前処理を高速化するパッシブで非凝固ディーラーが導入されている。 我々は,$mathbbF_p$ と $mathbbZ_2k$ の両面において,最初のディーラー支援による$n$パーティ LTBits (Less-Than-Bits) と MSB (Most Significant Bit) 抽出プロトコルを提示する。
• 参考スコア（独自算出の注目度）: 10.27710213197667
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Secure comparison is a fundamental primitive in multi-party computation, supporting privacy-preserving applications such as machine learning and data analytics. A critical performance bottleneck in comparison protocols is their preprocessing phase, primarily due to the high cost of generating the necessary correlated randomness. Recent frameworks introduce a passive, non-colluding dealer to accelerate preprocessing. However, two key issues still remain. First, existing dealer-assisted approaches treat the dealer as a drop-in replacement for conventional preprocessing without redesigning the comparison protocol to optimize the online phase. Second, most protocols are specialized for particular algebraic domains, adversary models, or party configurations, lacking broad generality. In this work, we present the first dealer-assisted $n$-party LTBits (Less-Than-Bits) and MSB (Most Significant Bit) extraction protocols over both $\mathbb{F}_p$ and $\mathbb{Z}_{2^k}$, achieving perfect security at the protocol level. By fully exploiting the dealer's capability to generate rich correlated randomness, our $\mathbb{F}_p$ construction achieves constant-round online complexity and our $\mathbb{Z}_{2^k}$ construction achieves $O(\log_n k)$ rounds with tunable branching factor. All protocols are formulated as black-box constructions via an extended ABB model, ensuring portability across MPC backends and adversary models. Experimental results demonstrate $1.79\times$ to $19.4\times$ speedups over state-of-the-art MPC frameworks, highlighting the practicality of our protocols for comparison-intensive MPC applications.
• Abstract（参考訳）: セキュア比較は、マルチパーティ計算における基本的なプリミティブであり、マシンラーニングやデータ分析などのプライバシ保護アプリケーションをサポートする。 比較プロトコルにおける重要なパフォーマンスボトルネックは、その前処理フェーズであり、主に、必要な相関ランダム性を生成するコストが高いためである。 最近のフレームワークでは、前処理を高速化するパッシブで非凝固ディーラーが導入されている。 しかし、重要な問題が2つ残っている。 まず、既存のディーラー支援アプローチは、オンラインフェーズを最適化するために比較プロトコルを再設計することなく、ディーラーを従来の前処理の代替品として扱う。 第二に、ほとんどのプロトコルは特定の代数的領域、逆モデル、あるいはパーティーの構成に特化しており、広範な一般性に欠ける。 本稿では,$\mathbb{F}_p$ と $\mathbb{Z}_{2^k}$ の双方に対して,最初のディーラー支援型 LTBits (Less-Than-Bits) と MSB (Most Significant Bit) 抽出プロトコルを提案する。 我々の$\mathbb{F}_p$構成は、リッチな相関ランダム性を生成するディーラーの能力をフル活用することにより、一定周期のオンライン複雑性を達成し、$\mathbb{Z}_{2^k}$構成は調整可能な分岐係数を持つ$O(\log_n k)$ラウンドを達成する。 すべてのプロトコルは拡張ABBモデルを通じてブラックボックス構造として定式化され、MPCバックエンドと敵モデル間のポータビリティが保証される。 実験結果は、最新のMPCフレームワークよりも1.79\times$から19.4\times$のスピードアップを示し、比較集約的なMPCアプリケーションのためのプロトコルの実用性を強調している。

関連論文リスト

• Polybasic Speculative Decoding Through a Theoretical Perspective [68.71678077009386]
  推論レイテンシは、大規模言語モデルの大規模展開において重要なボトルネックである。 本稿では,包括的理論的解析を基盤とした,新しいエンポリベーシックな投機的復号化フレームワークを提案する。 我々の手法は、LLaMA2-Chat 7Bの3.31times$から4.01times$、LLaMA3-8Bの3.87倍、Vicuna-7Bの4.43倍、Qwen2-7Bの3.85倍の3.85倍のスピードアップ比が得られることを示す。
  論文  参考訳（メタデータ） (2025-10-30T14:20:24Z)
• Cost-Aware Contrastive Routing for LLMs [57.30288453580456]
  我々は、プロンプトとモデルの両方を共有埋め込み空間にマッピングする軽量フレームワークであるコストスペクトルコントラストルーティング(CSCR)を紹介します。 CSCRはベースラインを一貫して上回り、精度とコストのトレードオフを最大25%改善した。
  論文  参考訳（メタデータ） (2025-08-17T20:16:44Z)
• Provably Sample-Efficient Robust Reinforcement Learning with Average Reward [4.530028899565083]
  本稿では,$ell_p$-normと汚染モデルにより特徴付けられる遷移不確実性を持つロバストなマルコフ決定過程(MDP)を設計した新しいアルゴリズムを提案する。 我々のアルゴリズムは、頑健なMDPの事前知識を必要とせずに動作する。 我々の研究は、ロバスト平均報酬RLのサンプル効率の基本的な理論的理解を提供する。
  論文  参考訳（メタデータ） (2025-05-18T15:34:45Z)
• Breaking Free: Efficient Multi-Party Private Set Union Without Non-Collusion Assumptions [5.030459935922802]
  マルチパーティ・プライベート・セット・ユニオン(MPSU)プロトコルにより、$m$$(m > 2)$パーティがそれぞれセットを保持し、集合のユニオンをまとめて計算することができる。 本稿では,標準半高次モデルにおいて,暗黙の転送と対称鍵技術に基づく最初のMPSUプロトコルを提案する。 当社のプロトコルでは,それぞれ220ドルのアイテムをセットした3つのパーティに対して,オンラインフェーズで4.4ドル秒しか必要としない。
  論文  参考訳（メタデータ） (2024-06-11T07:10:45Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• Sample-efficient Learning of Infinite-horizon Average-reward MDPs with General Function Approximation [53.17668583030862]
  一般関数近似の文脈において,無限水平平均逆マルコフ決定過程(AMDP)について検討する。 最適化最適化(LOOP)と呼ばれる新しいアルゴリズムフレームワークを提案する。 我々は LOOP がサブ線形 $tildemathcalO(mathrmpoly(d, mathrmsp(V*)) sqrtTbeta )$ regret を達成することを示す。
  論文  参考訳（メタデータ） (2024-04-19T06:24:22Z)
• The Fundamental Price of Secure Aggregation in Differentially Private Federated Learning [34.630300910399036]
  我々は、$varepsilon$ Central DPの下で最高の精度を得るために必要な基本的な通信コストを特徴付ける。 我々の結果は、$tildeOleft( min(n2varepsilon2, d) right)$ bits per client が十分かつ必要であることを示している。 これにより、最先端のSecAgg分散DPスキームに対して大幅に改善される。
  論文  参考訳（メタデータ） (2022-03-07T22:56:09Z)
• Permutation Compressors for Provably Faster Distributed Nonconvex Optimization [68.8204255655161]
  本稿では,Gorbunov et al (2021) の MARINA 法が,理論的な通信複雑性の観点から最先端の手法とみなすことができることを示す。 MARINAの理論は、古典的な独立圧縮機設定を超えて、潜在的にエミュレートされた圧縮機の理論を支持するものである。
  論文  参考訳（メタデータ） (2021-10-07T09:38:15Z)

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。