博客
关于我
Private Information Retrieval私有信息检索
阅读量:255 次
发布时间:2019-03-01

本文共 1173 字,大约阅读时间需要 3 分钟。

1. PIR简介

私有信息检索(Private Information Retrieval, PIR)是一个在军事、商业等领域具有重要应用价值的问题。PIR的核心目标是让用户能够从数据库中获取所需信息,而不泄露查询内容给数据库管理员。

服务器Bob维护着一个包含n个数据项的数据库:d₁, d₂, …, dₙ。客户端Alice需要查询数据库中的某一项di,而Bob对Alice的查询内容一无所知。这就是PIR问题的基本描述。随着技术的发展,PIR不仅保护了查询内容的安全性,还扩展到了对服务器数据的隐私保护,即Alice除了获取di外,无法从其他途径获取任何其他信息,这被称为对称私有信息检索(Symmetrically-Private Information Retrieval, SPIR)。

根据对隐私保护的需求,PIR可以分为三种类型:

  • 绝对安全的PIR:基于信息论安全的强安全概念,假设攻击者具备无限制的计算能力,仍能确保用户隐私的完全保护。
  • 相对安全的PIR:基于多项式时间的计算安全,适用于攻击者计算能力有限的场景。
  • 辅助安全的PIR:借助安全硬件加速,提供高效的执行环境,适合特定硬件支持的场景。
  • 此外,PIR还可以根据参与方的诚信程度划分为恶意模型和半诚实模型。PIR技术在安全多方计算领域具有重要地位,广泛应用于局部可解码编码、匿名认证、数据安全传输等方面。

    2. PIR技术分类

    PIR技术经历了三代的发展,主要论文代表如下: 第一代PIR技术基于分散式加密,第二代引入了加性混沌函数,第三代则采用了同态秘密共享(Homomorphic Secret Sharing, HSS)作为核心技术。第三代PIR的主要技术路线包括同态加密算法(Fully Homomorphic Encryption, FHE)的应用。

    全同态加密算法FHE通过加上零化元(Zn)和指数基数的引入,解决了密码学通信复杂度难题。通过将加密数据转换为基底表示并进行计算,FHE实现了数据在加密状态下进行操作的能力,为PIR技术的发展提供了重要支持。

    3. MPC\PIR\LDC关联

    多方计算协议(Multiparty Computation, MPC)、私有信息检索(PIR)以及局部可解码码(Locally Decodable Code, LDC)这三项技术在技术点上紧密相关。LDC是一种可以通过查询少量编码符号即可恢复任意信息符号的纠错码技术。

    MPC和PIR在数据处理过程中都需要对多方数据进行安全的合并与计算,而LDC则为PIR提供了数据可解码的基础,确保在网络分散式环境下,数据可以被高效恢复。这些技术的结合不仅提升了数据处理效率,也增强了系统的安全性和可靠性。

    通过以上技术的协同应用,PIR在实际应用中展现了强大的潜力和广泛的适用性。

    转载地址:http://lrmx.baihongyu.com/

    你可能感兴趣的文章
    Palindrome Number leetcode java
    查看>>
    Palo Alto Networks Expedition 未授权SQL注入漏洞复现(CVE-2024-9465)
    查看>>
    Palo Alto Networks Expedition 远程命令执行漏洞(CVE-2024-9463)
    查看>>
    Palo Alto Networks PAN-OS身份认证绕过导致RCE漏洞复现(CVE-2024-0012)
    查看>>
    Panalog 日志审计系统 libres_syn_delete.php 前台RCE漏洞复现
    查看>>
    Springboot中@SuppressWarnings注解详细解析
    查看>>
    Panalog 日志审计系统 sprog_deletevent.php SQL 注入漏洞复现
    查看>>
    Panalog 日志审计系统 sprog_upstatus.php SQL 注入漏洞复现(XVE-2024-5232)
    查看>>
    Panalog 日志审计系统 前台RCE漏洞复现
    查看>>
    PANDA VALUE_COUNTS包含GROUP BY之前的所有值
    查看>>
    Pandas - 有条件的删除重复项
    查看>>
    pandas -按连续日期时间段分组
    查看>>
    pandas -更改重新采样的时间序列的开始和结束日期
    查看>>
    pandas :to_excel() float_format
    查看>>
    pandas :加入有条件的数据框
    查看>>
    pandas :将多列汇总为一列,没有最后一列
    查看>>
    pandas :将时间戳转换为 datetime.date
    查看>>
    pandas :将行取消堆叠到新列中
    查看>>
    pandas DataFrame 中的自定义浮点格式
    查看>>
    Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
    查看>>