一种基于安全多方计算的快速Transformer安全推理方案

Transformer模型在自然语言处理、计算机视觉等众多领域得到了广泛应用,并且有着突出的表现.在Transformer的推理应用中用户的数据会被泄露给模型提供方.随着数据隐私问题愈发得到公众的关注,上述数据泄露问题引发了学者们对Transformer安全推理的研究,使用安全多方计算(secure multi-party computation,MPC)实现Transformer模型的安全推理是当前的一个研究热点.由于Transformer模型中存在大量非线性函数,因此使用MPC技术实现Transformer安全推理会造成巨大的计算和通信开销.针对Transformer安全推理过程中开销较大的Softmax注意力机制,提出了2种MPC友好的注意力机制Softmax freeDiv Attention和2Quad freeDiv Attention.通过将Transformer模型中的Softmax注意力机制替换为新的MPC友好的注意力机制,同时结合激活函数GeLU的替换以及知识蒸馏技术,提出了一个MPC友好的Transformer转换框架,通过将Transformer模型转化为MPC友好的Transformer模型,提高Transformer安全推理的效率.在局域网环境下使用安全处理器(secure processing unit,SPU)提供的隐私计算协议,基于所提出的MPC友好的Transformer转换框架,在SST-2上使用Bert-Base进行安全推理.测试结果表明,在保持推理准确率与无近似模型一致的情况下,安全推理计算效率提高2.26倍.

求解最小公倍数问题的量子安全多方计算协议

最小公倍数是解决很多数学问题的基础工具,在隐私保护的情况下如何对其进行多方协同计算具有一定的研究价值.部分经典安全多方计算协议虽然能够求解该问题,但计算复杂度为指数级.本文通过将最小公倍数问题转化为求多个周期函数的连接函数的周期,提出了一个基于量子周期查找算法的最小公倍数协议,将复杂度降为多项式级.在协议中,发起方对每个参与方发送一个粒子.每个参与方对粒子施加一个Oracle操作,其中Oracle函数的周期即各自的私有整数.然后,发起方通过运行量子周期查找算法来计算出连接函数的周期,即各自整数的最小公倍数.为了防御共谋和伪造攻击,采用星-环混合拓扑结构对粒子发送方进行诚实性检验.由于量子周期查找算法存在一定的失败概率,设计了一个量子匿名输出检验协议来检验最小公倍数结果的正确性.安全性分析表明了该协议在恶意模型下具有无条件安全性,且协议的计算复杂度和通信复杂度分别为O(n^(3)m^(2)log(nm))和O(n^(2)mlog(nm)),均为多项式级.此外,该协议具有较好的扩展性,可应用于安全多方最大公约数计算、有理数求和、最值计算等问题.

安全多方计算应用的隐私度量方法

安全多方计算应用对输入信息的隐私保护能力,一方面依靠底层的安全机制,另一方面依靠具体的目标函数.目前对安全多方计算的研究主要集中于防止计算过程泄露信息的安全机制;而对部署安全多方计算的目标函数对参与者的输入信息的隐私保护能力的度量或评估方法研究较少.目标函数的各参与者通过合法的输入和输出推导其他参与者的输入信息的问题不能由安全多方计算的安全机制阻止,因此对目标函数的隐私保护强度的度量关乎安全多方计算方案的具体实施应用.根据信息熵模型,从攻击者的角度定义平均熵和特定熵的概念,提出计算信息收益的方法.进而,通过计算目标函数的理想隐私损耗和实际安全多方计算应用中的实际隐私损耗,衡量安全多方计算具体应用方案的隐私保护强度.

集合交集与并集的安全多方计算

集合的安全多方计算问题是保密科学计算研究的重要问题之一,在电子选举、门限签名、保密拍卖等场景中有着重要的应用。文中主要研究多个集合的保密计算问题,首先针对不同的集合运算提出了对应的转化方式将集合转化为向量,然后基于哥德尔编码提出了新的编码方式,再结合ElGamal门限加密算法设计了半诚实模型下可输出多个集合交集或并集,以及同时输出交集与并集的保密计算协议,最后应用模拟范例证明了协议的安全性,协议可以抵抗任意的合谋攻击。实验测试了协议的执行效率,当集合的势满足一定条件时,与现有协议相比,所提协议的计算效率更高。

基于参与者角色变换的安全多方计算对比分析

随着信息技术的迅速发展和普及,安全多方计算作为一项保护数据隐私和确保计算过程安全的重要技术备受关注和深入研究。在安全多方计算领域中,基于参与者角色变换的方法展现出了灵活性和实用性,能够满足各种安全计算场景的需求。本文基于参与者角色变换的安全多方计算,将其划分为可转移、流体和主动三类,对其性能特征进行了全面分析,涵盖了效率、安全性以及应用前景等方面。通过对这三种安全多方计算方法的对比研究,本论文旨在为该领域的研究和实践提供理论和技术支持。

量子安全多方计算协议研究进展

量子安全多方计算是量子信息技术与隐私保护计算技术相结合形成的新兴交叉领域,作为量子密码学的一个重要分支,在安全性、计算效率等方面有着经典安全多方计算所不能及的优点。量子安全多方求和(Quantum Secure Multi-party Summation,QSMS)作为量子安全多方计算的一个最基本运算过程,近年来获得了广泛的关注。本文梳理了近期QSMS协议的研究进展,根据协议所依据的基本原理进行了分类,并介绍了一些代表性协议的基本原理和典型特点。

基于JSR 269的安全多方计算编译器

随着多种通用安全多方计算协议的提出,在这些协议上构建的框架、领域特定语言层出不穷,但都有着易用性差、现有编程语言难以交互等问题。因此,针对这些问题,设计一种基于JSR 269的安全多方计算编译器构建方案。该方案将经过了安全多方计算相关的注解标注的Java源代码,通过编译器插件编译为安全多方计算应用,并且可以和Java语言进行交互。通过实验及结果分析,该方案可保留Java语言的高级语言特性,以高度抽象的方式进行安全多方计算应用逻辑的编写。

基于安全多方计算的高效保密电子投票方案

保密电子投票是目前信息化时代广为使用的选举投票方案,可以提高选举的安全性、可靠性和公正性,以及增加选民的参与度。虽然保密电子投票方案具有许多潜在优点,如提高投票效率和方便性,但也面临着一些挑战,如信息安全问题、技术难题、隐私保护问题以及系统的信任度问题等。本研究针对这些问题,结合门限公开秘密体制(Number Theory Research Unit,NTRU)加密算法、向量编码方法,提出了一种基于安全多方计算的高效保密电子投票方案。为验证所提出协议的安全性,采用模拟范例方法进行了安全性证明。通过理论分析和实验仿真展示了本文提出方案的高效性,本方案具有实用价值,为解决电子投票过程中隐私保护问题提供了可行且高效的解决方案。

基于区块链的安全多方计算研究现状与展望

在分析区块链、安全多方计算的技术特点的基础上,探讨了它们技术融合的可行性。对近年来大量相关研究文献进行了多维度的梳理总结,并将其按照链上/链外安全多方计算进行分类,针对不同类别,分别提出了相应的构造模型。深入分析了基于区块链的安全多方计算的特点与优势,并从多维度对比了链上/链外安全多方计算,总结了它们的特征与应用场景,指出了未来的发展方向。

基于安全多方计算的图像分类方法

文章针对基于安全多方计算(Secure Multi-Party Computation,MPC)的图像分类方法进行研究,针对基于ABY^(3)协议的PaddleFL方法无法支持复杂模型中的一些网络加密操作问题,提出一种面向ABY^(3)协议重复秘密共享的维度变换和维度压缩操作的加密方法;针对基于Beaver协议的CrypTen方法在密文训练时出现的模型崩溃问题,提出一种基于标志位的检测方法,通过舍弃异常值避免模型训练的环绕错误;针对近似计算错误问题,提出一种基于阈值限制的Softmax函数密文计算方法,满足更大数值范围的密文计算。在公开数据集上进行实验,结果表明,该方法能够在保证模型准确性的前提下有效保护用户数据的隐私。

基于安全多方计算的隐私保护图查询

【目的】在互联网时代,图数据凭借着其丰富语义和结构信息,在众多的领域中发挥着独特的作用。同时,越来越多的公司选择使用“云服务”作为基础设施平台,个人敏感数据的保护问题愈发受到人们的关注。这为隐私保护的图计算带来了严峻的挑战。【方法】本文针对图计算中至关重要的子图匹配问题,首次提出了基于安全多方计算的图查询保护策略,将隐私保护图查询问题转化为关系表的安全连接问题,并根据图数据的特性对安全连接子协议进行改进。【结果】相比于之前的隐私保护图查询工作,本文协议不仅提供了更低的计算和通讯开销,并且具有更高的安全保障性和可信度。

一种基于安全多方计算的边缘学习协议

提出一种基于椭圆曲线的安全多方计算协议,旨在解决边缘学习中边缘设备算力和能耗受限难以通过强加密传输抵御网络攻击的问题。该协议采用椭圆曲线加密算法,在同等安全条件下具有较低的计算复杂度,实现了一种在加密状态下矩阵内积的计算方法。该协议主要应用于边缘学习中的云边缘协作计算,以提高其安全性。实验结果表明,与联邦学习和差分隐私等方法相比,该协议具有更低的计算复杂度和计算时间,同时能够保证边缘学习场景下的隐私和准确性。

基于安全多方计算的两方推理

数字基础设施的发展加速了个人隐私数据在机器学习中的应用。随着机器学习即服务的市场规模逐步扩大,服务提供商和用户在双向获利的同时也面临着严重的隐私泄露风险。因此,安全推理作为隐私保护机器学习的一个分支,成为科学界和工业界的研究热点。安全多方计算是安全推理最重要的密码学工具。从机器学习推理中潜在的隐私问题出发,引入安全多方计算技术,进一步对基于安全多方计算实现的安全推理框架进行分析研究,重点分析和评估了业界先进且实用的技术框架。最后进行了总结与展望,给出了隐私保护机器学习及安全推理的未来发展的思考与建议。

基于云计算服务的安全多方计算

云计算的出现及迅速发展,使得安全多方计算模型面临结构上的变化.云计算资源的引入,使得安全计算的计算任务、参与方、计算执行的外部环境变得多样和复杂.利用强大的云计算资源来设计、实施安全多方计算协议,成为安全多方计算领域一个新的研究课题.云计算环境为安全多方计算的实施提供了条件,同时但也带来新的挑战.对云环境下通用安全多方计算协议的研究进行了梳理和分析,给出一个较为清晰的发展脉络,对一些基于云的典型特定安全多方计算协议做了简要介绍,并对目前云中安全多方计算存在的问题及未来研究的方向提出了自己的见解.

安全多方计算研究现状与发展趋势的图谱分析

为更加全面、系统地分析安全多方计算领域的研究现状、研究热点及研究趋势,文章运用CiteSpace可视化工具,将时间段选取在2000—2022年,以Web of Science核心合集数据库中与安全多方计算相关研究文献为基础,采用定量定性相结合的科学分析方法,重点分析了国家、研究机构、核心作者、共被引文献、高频关键词和突现关键词六个方面内容,探讨了国际上该领域的研究现状、研究热点及研究趋势。结果表明:中国、美国和以色列等国对该领域的贡献程度较大。研究趋势大致分为理论探索阶段(2000—2009年)、应用初创阶段(2009—2017年)和规模化发展阶段(2018年至今)这三个阶段,目前的研究热点仍是应用落实方面并且未来有很长的一段路要走。

基于安全多方计算和区块链的电子投票方法

电子投票由于其高效率的优势已在大多数国家被投入使用,但现存电子投票方案都存在一定程度上的隐私泄漏问题。采用区块链和安全多方计算技术构造了一种匿名条件下多候选者的电子投票方法,可保证在匿名条件下单个实体对多名候选者进行投票的同时,无法获得其他投票者的投票情况,并可以在计票阶段保证计票结果的真实与准确,不可篡改。该方法满足电子投票系统的基本安全标准。

通用可组合公平安全多方计算协议

在通用可组合框架下研究安全多方计算的公平性问题。在UC框架下,提出公平安全多方计算的安全模型。在模型中形式化定义了公平安全多方加法计算理想函数FSMPAF和公平安全多方乘法计算理想函数FSMPMF。然后,基于双线性对技术和承诺方案理想函数COMF,在COMF-混合模型下分别设计公平加法协议FSMPAπ和公平乘法协议FSMPMπ安全实现理想函数FSMPAF和FSMPMF。最后,性能分析表明所提协议的有效性,能更好地满足应用需求。

高效的集合安全多方计算协议及应用

集合的安全多方计算是一个重要的科学问题,在秘密分享、保密投票、保密的数据挖掘等领域有广泛的应用.现有的解决方案基本上是关于两方集合的安全计算,该文主要研究多个参与者集合的安全计算问题.不同于现有的关于集合安全计算的研究方法,该文提出了全新的数学方法框架,通过应用编码方法并结合具有一定同态性的加密算法,将集合安全计算问题转化为数组的安全计算问题.研究构造关于一些集合基本运算的安全计算协议,包括集合的交集/并集及其势的计算,有关阈值并集的计算.该文所设计的集合安全计算协议具有以下特点:(1)与现有方案比较,该文的协议具有计算效率高的优势,并且适合于多个集合的安全计算;(2)能够应用标准的模拟范例方法对协议的安全性进行严格证明,协议能够抵抗任意的合谋攻击;(3)综合应用该文所设计的协议或应用其设计思想,能够解决广泛的实际应用问题.

多个字符排序的安全多方计算

安全多方计算是国际密码学界的研究热点之一,是信息社会隐私保护的核心技术.密码学者已经研究了很多安全多方计算问题,但是还有更多问题有待研究和解决.该文研究如何保密地将多个字符按照字典序排序,这是一个全新的问题,目前尚没有见到关于这个问题的解决方案.它可以提高数据库保密查询的效率,在信息安全领域有重要的实际意义和广泛的应用前景.为了保密地判断多个字符按照字典序排序的位置关系,该文首先设计了一种新的编码方法,并结合Paillier加法同态加密算法、椭圆曲线加法同态加密算法、秘密分割和门限解密算法,设计了三个能够抵抗合谋攻击的多个字符保密排序的高效而简单的协议.利用安全多方计算普遍采用的模拟范例证明了协议在半诚实模型下是安全的,并且分析了协议的正确性,同时给出了协议计算复杂性和通信复杂性的理论分析与实验验证.这些协议都跳出了两两比较进行排序的传统思维框架,具有更高的保密性.最后将保密的字符排序问题的协议应用于解决安全多方数据排序问题上,拓展了可比较数据的范围.

集合成员关系的安全多方计算及其应用

集合成员关系的安全多方计算在保密数据挖掘和保密数据查询等方面有着重要的应用价值.针对以往方案在集合规模较大时的低效问题,本文将原问题转化成多项式一次性求值问题,在此基础上共设计了四个协议.利用同态加密设计了平凡协议1;利用离散对数设计了高效协议2,此协议非常简洁.最后,针对不同的应用场景又分别设计了云计算环境下外包用户计算的协议3和抗抵赖环境下可公开保密判定的协议4.通过分析和比较显示,我们的方案除了集合的势,其余任何信息都没有泄露,并且在集合规模较大时,相比以往方案高效而简洁.