当前位置: 首页 > news >正文

安全多方计算获分布式计算最高荣誉,探索隐私保护核心机制

安全多方计算:在保护隐私的前提下协同计算

安全多方计算(MPC)是一种计算范式,允许多个参与方在不泄露任何私人信息的情况下共同计算一个聚合函数[citation:5]。例如,多方可以在不透露各自具体薪资的情况下,计算出平均薪资。这项技术已在拍卖设计、密码学、数据分析、数字钱包安全和区块链计算等领域得到应用[citation:5]。

2023年,计算机协会(ACM)分布式计算领域的Dijkstra奖授予了三篇关于安全MPC的奠基性论文[citation:5]。其中一篇题为《可验证秘密共享与诚实多数的多方协议》的论文,源于某中心密码学团队高级首席科学家塔尔·拉宾的博士论文[citation:5]。该奖项以计算机科学先驱艾兹格·W·迪杰斯特拉的名字命名,旨在表彰在分布式计算原理方面具有长期显著影响力的杰出论文[citation:4]。

从计算安全到信息论安全的突破

安全MPC领域始于1982年,当时计算机科学家姚期智发表了关于安全两方计算的论文[citation:5]。然而,该MPC方案的安全性依赖于“大整数难以分解”这一计算假设。这立即引发了一个更深层的问题:即使在对手拥有无限计算资源(例如未来的量子计算机)的情况下,安全的MPC是否仍然可能?这种不考虑对手计算能力限制的设定被称为“信息论安全”[citation:5]。

2023年获得Dijkstra奖的前两篇论文证明,如果计算参与者中不超过三分之一是恶意共谋的,那么信息论安全的MPC是可行的[citation:5]。而塔尔·拉宾与迈克尔·本-奥尔合作的论文,将这一恶意参与者的容忍比例提高到了约二分之一。这一比例在信息论设置中被证明是可达到的理论极限,同时也是姚期智在其原始计算有界模型中证明的阈值[citation:5]。这一突破意味着,即使在多达半数的参与者可能串通作弊的极端情况下,系统依然能够保障计算的隐私性与正确性。

信息检查:数字签名在信息论下的替代方案

拉宾和本-奥尔论文的核心贡献之一,是将“数字签名”的概念适配到信息论安全的环境中。他们提出了一种称为“信息检查”的方法[citation:5]。该方法虽然不如传统数字签名功能强大,但其优势在于不对恶意参与者的计算能力做任何假设,从而实现了信息论安全。

该协议涉及三个角色:分发者、中介和接收者。为了模仿数字签名的安全保证,信息检查必须满足两个关键标准[citation:5]:

  1. 正确性:如果分发者和接收者是诚实的,那么接收者将始终接受合法的信息,并以极高的概率拒绝任何欺诈性替换。
  2. 可预测性:无论分发者是否诚实,中介都能以高概率预测接收者是否会接受该信息。

这两个标准共同确立了系统的可靠性:只要分发者和中介两者中至少有一方是诚实的,任何欺诈行为都能被检测出来。

零知识证明的巧妙应用

为了满足上述第二个标准(可预测性),拉宾和本-奥尔引入了“零知识证明”机制[citation:5]。这是一种允许一方证明自己知道某个值,却无需透露该值具体内容的密码学工具。

在具体实现中,分发者不是用一组随机数来处理待发送的秘密,而是使用多组随机数,生成多对关联的校验值。在将这些校验值对发送给接收者后,中介会随机挑选其中一半,并要求接收者公开它们。由于中介知道秘密的原始值,它可以验证这些公开的校验值是否正确。这样一来,中介就能以高概率判断分发者是否诚实。同时,由于中介不知道未被公开的那一半校验值,即使它自己不诚实,也无法系统地伪造信息来欺骗接收者。

从弱秘密共享到可验证秘密共享

接下来,研究人员将上述两人之间的协议推广到多个接收者的场景。他们证明,该协议能够实现“弱秘密共享”[citation:5]。这意味着,如果所有接收者试图共同复原一个秘密,结果只有两种可能:要么成功复原出正确的值,要么整个计算失败、无法得出任何结果。

然而,要构建一个完整的安全多方计算框架,需要更强大的“可验证秘密共享”作为基础[citation:5]。拉宾和本-奥尔论文的第二个主要贡献,正是提供了一种方法,能够利用弱秘密共享来实现可验证秘密共享。

在他们的协议中,发送给所有接收者的校验值对,都是通过同一个多项式函数生成的。为了证明秘密已被正确分享,分发者需要向所有参与者证明,所有接收到的校验值对都符合这个统一的多项式——同时仍然不泄露多项式本身。实现这一目标的工具,依旧是零知识证明[citation:5]。

这项发表于35年前的研究,为当今安全MPC协议的设计奠定了坚实的理论基础[citation:5]。随着通用量子计算机的逐步发展,基于计算复杂性假设的传统密码学面临挑战,信息论安全的密码方法因此显得愈发重要。这项早期工作所确立的协议构造范式和安全性边界,至今仍在指引着隐私计算技术的发展方向。
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

http://www.cnnetsun.cn/news/179134.html

相关文章:

  • 科研征途的“智慧导航”:书匠策AI文献综述功能开启学术新视界
  • C语言程序设计基础入门
  • 地埋式积水监测站:道路积水监测系统
  • Open-AutoGLM账号锁定策略配置全解析(企业级安全加固方案)
  • 基于深度学习风力叶片缺陷检测系统 无人机自动巡检风电场 - 风电运维智能诊断平台 - 缺陷生命周期追踪系统
  • 【企业安全防线升级】:基于Open-AutoGLM的7种典型异常访问识别方案
  • 【Open-AutoGLM防护优化终极指南】:破解暴力攻击防御瓶颈的5大核心技术
  • LangFlow Azure Functions部署踩坑记录
  • Open-AutoGLM数据恢复控制技术(仅限高级安全团队掌握的3大核心)
  • 宏智树AI从“卡壳”到“定稿”:你的毕业论文,真的可以不用熬到凌晨三点-
  • 电子商务平台的业务峰值测试保障方案
  • 为什么你的Open-AutoGLM服务总被浏览器标记不安全?SSL配置盲区大起底
  • ColoredElevationMap 根据标量进行颜色映射
  • LangFlow B站视频内容创作方向建议
  • LangFlow代码质量检查工具集成(ESLint/Prettier)
  • LangFlow Google排名冲顶可能性分析
  • TLS 1.0/1.1停用倒计时,Open-AutoGLM如何快速适配TLS 1.2+?
  • 基于springboot的家教管理系统的设计与实现
  • 解锁科研新维度:书匠策AI期刊论文模块,开启学术写作的“智变”时代
  • LangFlow百度搜索排名优化技巧
  • 数智时代,openGauss Summit 2025即将发布哪些技术创新破局
  • LangFlow CI/CD流水线搭建实践
  • 论指针运算
  • 面试官:多模态 Transformer 如何处理不同模态的序列长度差异?
  • LangFlow结合RAG架构构建企业知识库问答
  • 480万人才缺口!网络安全,一个被低估的“金饭碗”!
  • Web 安全入门:从 OWASP Top 10 到常见漏洞,从零基础入门到精通,收藏这一篇就够了!_web top10
  • TOSHIBA 2SA1162-GR,LF SOT-23-3 三极管(BJT)
  • 【MWORKS使用技巧84】Sysplorer中使用Constants组件时,如何产生向量信号?
  • 掌握这4种异常处理模式,轻松应对Open-AutoGLM解密崩溃危机