論文の概要: ZipPIR: High-throughput Single-server PIR without Client-side Storage

• arxiv url: http://arxiv.org/abs/2603.09190v1
• Date: Tue, 10 Mar 2026 05:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.043962
• Title: ZipPIR: High-throughput Single-server PIR without Client-side Storage
• Title（参考訳）: ZipPIR:クライアント側ストレージなしの高スループットシングルサーバPIR
• Authors: Rasoul Akhavan Mahdavi, Abdulrahman Diaa, Florian Kerschbaum,
• Abstract要約: プライベート情報検索 (Private Information Retrieval, PIR) は、クライアントがどの要素にアクセスするかを明らかにすることなく、データベースにプライベートにアクセスできるサービスである。 Ring Learning with Errors (RLWE) に基づく初期のPIRプロトコルは、PIRの実用性を示したが、スループットは限られていた。 本稿では,LWE暗号文をPillier暗号文に圧縮する高スループットPIRプロトコルZipPIRを提案する。
• 参考スコア（独自算出の注目度）: 22.65636380407472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Private Information Retrieval (PIR) allows a client to privately access a database without revealing which element is accessed. Initial PIR protocols based on Ring Learning with Errors (RLWE) demonstrated the practicality of PIR, but achieve limited throughput. Alternatively, high-throughput protocols leverage an offline phase that requires substantial client-side storage (e.g., hints in SimplePIR) or involve prohibitive communication costs during the offline phase (e.g., Piano). These limitations conflict with the practical constraints of resource-limited clients and are further exacerbated by dynamic databases, where updates necessitate costly regeneration and retransmission of hints. To address these challenges, we propose ZipPIR, a high-throughput PIR protocol that compresses LWE ciphertexts into significantly smaller Paillier ciphertexts. ZipPIR leverages the offline phase to obtain this size reduction without incurring the associated computational cost in the online phase. Moreover, under computational assumptions, ZipPIR features an almost silent offline phase, requiring no communication beyond an initial public key, enabling the server to independently generate and update hints during idle times without client interaction. ZipPIR achieves over 2 GB/s of throughput - comparable to state-of-the-art protocols such as SimplePIR - without the need for a large client-stored hint. For PIR over a 1 GB database, ZipPIR has up to 10x higher throughput than existing protocols with no client-side storage, while requiring less than 200 KB of server-side storage per client, significantly enhancing scalability for practical deployments. While prior PIR protocols using Paillier are very inefficient, ZipPIR is the first PIR protocol using Paillier that achieves throughput that is competitive with state-of-the-art PIR protocols.
• Abstract（参考訳）: プライベート情報検索 (Private Information Retrieval, PIR) は、クライアントがどの要素にアクセスするかを明らかにすることなく、データベースにプライベートにアクセスできるサービスである。 Ring Learning with Errors (RLWE) に基づく初期のPIRプロトコルは、PIRの実用性を示したが、スループットは限られていた。 あるいは、高スループットプロトコルは、クライアント側ストレージ(SimplePIRのヒントなど)を必要とするオフラインフェーズを利用するか、オフラインフェーズ(例えば、Piano)で通信を禁止します。 これらの制限は、リソース制限されたクライアントの実践的な制約と矛盾し、動的データベースによってさらに悪化する。 これらの課題に対処するため、我々は、LWE暗号文をより小さなPaillier暗号文に圧縮する高スループットPIRプロトコルZipPIRを提案する。 ZipPIRはオフラインフェーズを利用して、オンラインフェーズの計算コストを発生させることなく、このサイズ削減を実現する。 さらに、計算上の仮定では、ZipPIRはほぼ無音のオフラインフェーズを特徴とし、初期公開鍵以外の通信を必要としないため、サーバはクライアントとのやりとりなしにアイドル時間中にヒントを独立に生成および更新することが可能である。 ZipPIRは2GB/s以上のスループットを実現している(SimplePIRのような最先端のプロトコルに匹敵する)。 1GBのデータベース上のPIRでは、ZipPIRはクライアント側のストレージを持たない既存のプロトコルよりも最大10倍高いスループットを持ち、クライアント毎のサーバ側のストレージは200KB未満である。 Paillierを使った以前のPIRプロトコルは非常に非効率であるが、ZipPIRはPaillierを使った最初のPIRプロトコルであり、最先端のPIRプロトコルと競合するスループットを実現する。

関連論文リスト

• IVE: An Accelerator for Single-Server Private Information Retrieval Using Versatile Processing Elements [4.085063539485129]
  IVE はシングルサーバ PIR のアクセラレータで,DRAM を使用した大規模データベースからの検索を可能にする。 IVEは、以前のPIRハードウェアソリューションに比べて1,275倍高いスループットを実現している。
  論文  参考訳（メタデータ） (2025-12-01T11:47:26Z)
• A Unified Framework for Constructing Information-Theoretic Private Information Retrieval [5.025654873456755]
  em Private Information Search (PIR)プロトコルにより、ユーザはサーバに取得したエントリの同一性を明らかにすることなく、データベースからエントリを検索できる。 本研究では,スパン機能を持つ非有界配列のエムファミリー(em family)と呼ばれる新しい離散構造を導入し,IT-PIRプロトコルを構築するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-29T13:24:09Z)
• Enhancing TreePIR for a Single-Server Setting via Resampling [0.0]
  Private Information Retrievalは、クライアントがクエリされたインデックスを公開せずに、パブリックデータベースからエントリを検索することを可能にする。 従来のPIRスキームは、強い仮定の下でのみ、サブ線形サーバ計算を実現する。 本稿では,複数テーブルのヒント構造を導入し,単一サーバ設定へのTreePIRの適用を提案する。
  論文  参考訳（メタデータ） (2025-10-06T15:03:05Z)
• PWC-MoE: Privacy-Aware Wireless Collaborative Mixture of Experts [59.5243730853157]
  クラウドサーバにホストされる大規模言語モデル(LLM)は、ローカルデバイス上の計算とストレージの負担を軽減するが、プライバシの懸念を高める。 小規模言語モデル(SLM)は、ローカルで実行されるためプライバシーが向上するが、複雑なタスクではパフォーマンスが制限される。 帯域幅制約下での計算コスト,性能,プライバシ保護のバランスをとるために,プライバシを意識したPWC-MoE(PWC-MoE)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:27:07Z)
• HE is all you need: Compressing FHE Ciphertexts using Additive HE [29.043858170208875]
  ホモモルフィック暗号化(HE)は、プライバシ保護アプリケーションを構築するための一般的なツールである。 そこで本研究では,大規模な同型暗号文を圧縮するために,小さな暗号文を含む付加的同型暗号方式を用いた新しい圧縮手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T02:28:40Z)
• ZipLM: Inference-Aware Structured Pruning of Language Models [56.52030193434863]
  ZipLMと呼ばれる大規模言語モデル(LLM)に対する新しい構造化圧縮手法を提案する。 ZipLMは、所望のランタイムスピードアップのセットをマッチングしながら、最先端の精度-vs-スピードアップを実現する。 ZipLMはすべての設定で最先端の圧縮モデルを生成する。
  論文  参考訳（メタデータ） (2023-02-07T18:55:28Z)
• On the Capacity of Quantum Private Information Retrieval from MDS-Coded and Colluding Servers [59.98425646542448]
  量子プライベート情報検索において、ユーザは、ファイルの同一性を明らかにすることなく、量子システムをダウンロードすることで、複数のサーバから古典的なファイルを検索する。 MDS-coded および Collluding サーバからの QPIR の容量を初めて検討した。
  論文  参考訳（メタデータ） (2021-06-28T13:48:22Z)
• Quantum Private Information Retrieval for Quantum Messages [71.78056556634196]
  量子メッセージのための量子プライベート情報検索(QPIR)は、1つまたは複数のサーバから複数の量子状態のうちの1つを、どの状態が検索されたかを明らかにすることなく取得するプロトコルである。 我々はQPIRを,サーバがメッセージ状態の1つのコピーを含むブラインド設定と,サーバがメッセージ状態の記述を含む可視設定の2つの異なる設定で検討する。
  論文  参考訳（メタデータ） (2021-01-22T10:28:32Z)
• Security Limitations of Classical-Client Delegated Quantum Computing [54.28005879611532]
  クライアントは、古典的なチャネルを使用して量子状態をリモートで準備する。 サブモジュールとして$RSP_CC$を採用することで生じるプライバシ損失は、不明である。 特定の$RSP_CC$プロトコルは、少なくともいくつかのコンテキストにおいて量子チャネルを置き換えることができることを示す。
  論文  参考訳（メタデータ） (2020-07-03T13:15:13Z)
• BLAZE: Blazing Fast Privacy-Preserving Machine Learning [18.8081326324821]
  プライバシ保護機械学習(PPML)は、データのプライバシが保証される場所である。 これは、データのプライバシが保証されるプライバシー保護機械学習(PPML)の領域をモチベートした。 SOC設定では、計算は専門的で強力なクラウドサーバのセットにアウトソースされ、サービスは有償で利用することができる。
  論文  参考訳（メタデータ） (2020-05-18T19:18:22Z)
• Capacity of Quantum Private Information Retrieval with Colluding Servers [71.78056556634196]
  量子プライベート情報検索(Quantum Private Information Search、QPIR)は、ユーザーが非通信サーバから複数のファイルの1つを検索するプロトコルである。 より強力なセキュリティ要件を持つQPIRの変種として、対称QPIRは、ターゲットファイル以外のファイルがユーザにリークされないプロトコルである。 安定化器の定式化によりキャパシティを実現するQPIRプロトコルを構築し,このプロトコルの最適性を証明する。
  論文  参考訳（メタデータ） (2020-01-13T18:12:20Z)

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。