論文の概要: Efficient DPF-based Error-Detecting Information-Theoretic Private Information Retrieval Over Rings

• arxiv url: http://arxiv.org/abs/2604.00411v1
• Date: Wed, 01 Apr 2026 02:51:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.806674
• Title: Efficient DPF-based Error-Detecting Information-Theoretic Private Information Retrieval Over Rings
• Title（参考訳）: 効率的なDPFに基づく誤り検出情報理論に基づくリング上の私的情報検索
• Authors: Pengzhen Ke, Liang Feng Zhang, Huaxiong Wang, Li-Ping Wang,
• Abstract要約: 認証されたプライベート情報検索(APIR)は、最先端のエラー検出プライベート情報検索(ED-PIR)である。 その有限体構造は、素数階のDPFに制限され、情報理論の条件下では、極端に大きな鍵サイズとなる。 本稿では,これらの制約を克服し,高次情報理論 DPF を利用したリング型情報理論 ED-PIR スキームを提案する。
• 参考スコア（独自算出の注目度）: 9.893133639294563
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Authenticated private information retrieval (APIR) is the state-of-the-art error-detecting private information retrieval (ED-PIR), using Distributed Point Functions (DPFs) for subpolynomial complexity and privacy. However, its finite field structure restricts it to prime-order DPFs, leading to prohibitively large key sizes under information-theoretic settings, while its dual-DPF-key design introduces unnecessary communication overhead, limiting its practicality for large-scale deployments. This paper proposes a novel ring-based information-theoretic ED-PIR (itED-PIR) scheme that overcomes these limitations by leveraging prime-power-order information-theoretic DPFs (itDPFs). Built over a prime-power ring, the proposed scheme breaks APIR's field-induced constraint to enable more efficient DPF utilization, significantly reducing key size growth and rendering the scheme feasible for high-security scenarios. Additionally, a single-itDPF-key design halves query-side communication overhead by eliminating APIR's redundant dual-key setup, without compromising privacy or verifiability. Beyond immediate efficiency gains, this work establishes a lightweight, flexible framework for constructing DPF-based malicious-resilient private information retrieval, opening new avenues for privacy-preserving data retrieval in distributed storage systems and post-quantum privacy protocols.
• Abstract（参考訳）: 認証されたプライベート情報検索(APIR)は、サブポリノミカル複雑性とプライバシーのために分散ポイント関数(DPF)を使用する、最先端のエラー検出プライベート情報検索(ED-PIR)である。 しかし、有限フィールド構造はプライマリオーダーのDPFに制限されるため、情報理論的な設定では極めて大きなキーサイズとなるが、デュアルDPFキー設計では通信のオーバーヘッドが不要になり、大規模展開では実用性が制限される。 本稿では,これらの制約を克服するリングベースの情報理論ED-PIR(itED-PIR)方式を提案する。 プライマリパワーリング上に構築された提案手法は,より効率的なDPF利用を可能にするために,APIRのフィールド制約を破り,キーサイズの増大を著しく低減し,高セキュリティシナリオで実現可能なスキームをレンダリングする。 さらに、シングルイットDPFキーの設計は、プライバシや妥当性を損なうことなく、APIRの冗長なデュアルキーセットアップを排除することで、クエリ側通信オーバーヘッドを軽減している。 即時効率の向上に加えて、この研究はDPFベースの悪意のあるプライベート情報検索を構築するための軽量で柔軟なフレームワークを確立し、分散ストレージシステムとポスト量子プライバシープロトコルにおけるプライバシ保存データ検索のための新たな道を開く。

関連論文リスト

• Eliminating Exponential Key Growth in PRG-Based Distributed Point Functions [3.0966075492209715]
  PRGベースのマルチパーティDPFは、パーティ数やフィールドサイズと指数関数的に増加するキーサイズのため、実用性に苦慮している。 我々の研究は、ボイルらによるPRGベースの多人数DPF方式を最適化することで、このボトルネックに対処する。 提案手法は,実用的な鍵サイズを持つ初のPRGベースのマルチパーティDPF方式であり,最もよく知られているマルチパーティDPFよりも最大3倍小さい鍵を提供する。
  論文  参考訳（メタデータ） (2025-09-26T07:57:24Z)
• PAnDA: Rethinking Metric Differential Privacy Optimization at Scale with Anchor-Based Approximation [7.889420673572309]
  我々は,距離微分プライバシー(mDP)のためのスケーラブルなフレームワークとして,アンカーベース分散近似(PAnDA)による摂動を提案する。 実世界の位置情報データセットの実験により、PAnDAは最大5,000レコードの秘密ドメインにスケールすることを示した。
  論文  参考訳（メタデータ） (2025-09-10T16:14:08Z)
• IDPFilter: Mitigating Interdependent Privacy Issues in Third-Party Apps [0.30693357740321775]
  サードパーティアプリがIDP(Interdependent Privacy)への懸念を強めている 本報告では,サードパーティアプリのIDP問題に関して,これまで未検討であった問題を包括的に調査する。 IDPFilterは,アプリケーションプロバイダが情報収集を最小化するためのプラットフォームに依存しないAPIである。
  論文  参考訳（メタデータ） (2024-05-02T16:02:13Z)
• 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)
• Privacy Amplification for the Gaussian Mechanism via Bounded Support [64.86780616066575]
  インスタンスごとの差分プライバシー(pDP)やフィッシャー情報損失(FIL)といったデータ依存のプライバシ会計フレームワークは、固定されたトレーニングデータセット内の個人に対してきめ細かいプライバシー保証を提供する。 本稿では,データ依存会計下でのプライバシ保証を向上することを示すとともに,バウンドサポートによるガウス機構の簡単な修正を提案する。
  論文  参考訳（メタデータ） (2024-03-07T21:22:07Z)
• Differential Privacy with Random Projections and Sign Random Projections [37.6593006747285]
  iDP-SignRPは個人差分プライバシ設定(iDP)において極めて効果的である DP-SignOPORPは、標準のDP設定の下で既存のアルゴリズムを大幅に改善する。
  論文  参考訳（メタデータ） (2023-05-22T16:33:23Z)
• 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)
• Privacy Amplification via Random Check-Ins [38.72327434015975]
  Differentially Private Gradient Descent (DP-SGD) は、多くのアプリケーションにおいて、機密データを学習するための基本的な構成要素となっている。 本稿では,DP-SGD のような反復的手法を,多くのデバイス(クライアント)に分散したフェデレーションラーニング(FL)の設定において実施することに焦点を当てる。 当社の主なコントリビューションは,各クライアントがローカルかつ独立に行うランダムな参加決定にのみ依存する,Emphrandom Check-in分散プロトコルです。
  論文  参考訳（メタデータ） (2020-07-13T18:14:09Z)

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。