可证明安全的隐私计算.pdfVIP

| 可证明安全的 隐私计算 目录CONTE NT 01 隐私计算的安 03 其他可证明 全性与效率 安全方法 02 密码学中的可 04 总结 证明安全简介 | 隐私计算：Privacy-preserving computation • 视隐私保护程度的不同，计算的效 率也有所不同 Q ： “请问现在隐私计算能做到 比明文慢多少倍？” • 例：广域网下，多方合作训练一个 LR模型，1024行64列，迭代1次 – SecureML[SP17]需要~100秒 – ABY3[CCS18] 需要0.3秒 – Blaze[NDSS20]需要2秒 – Helen[SP20]需要~15分钟 A ： | • 只有同时给出安全性和效率两方面的数据，才是有意义的数据 • 业界现状： – 计算的效率是容易衡量的，各家PR都擅长此道 “比明文仅慢X倍”， – 安全指标则甚少有厂商主动提及 X 已经从3个量级来到 – 客户有如盲人摸象 2个量级，甚至3-5倍 都有之 看不见 安全性： 摸不着 看得见 效率： 摸得着 | • 最高级安全性的代价太高 – 不需要最高级安全性的场合，可以适当降低安全性以提升效率 – 但是一定要厘清安全性在哪里进行了取舍，有什么样的风险 • 如何讲清楚一个方案的安全性？ – 明确定义安全假设：能防什么样的攻击者，不能防什么样的攻击者 – 明确定义防护效果：有没有中间信息泄露 • 若有，应清晰的描述泄露内容 “我的方案在双方都是半诚实 “我的方案是安全的” 的假设下，除了数据行数、列 数、最终建模结果之外，没有 × 其他信息泄露” √