基于区块链的零知识位置证明方法研究

地理位置虚拟软件泛滥、民用卫星定位信号易模拟或篡改,致使地理位置可信认证难以实现。针对已有位置证明方案采用中心化架构存在单点失效和易引起集中攻击等安全风险,该文引入去中心化范式思路,利用区块链具有的去中心化、不可篡改、可追溯等特点,并结合零知识证明协议,提出了基于区块链的零知识位置证明方法,实现了以去中心化、保护隐私、高度准确、审查抵制的地理位置认证服务,从而确保用户所提供位置的准确性。该方法不仅能消除中心化位置证明的弊端,确保位置数据的机密性,而且被证明位置数据一旦上链后不可篡改,实现了不可抵赖性。测试分析结果表明:完整的证明流程(包含证明生成验证和上链全过程)实际测试每次平均用时约5 s,其中证明生成和验证的总耗时是50.5~55.5 ms。因此,算法具有较好的性能开销,可满足实际应用需求。

交叉K函数的安全多方计算方法研究

传统空间数据共享计算需将数据集成后再分析,而数据提供者往往不想公开数据而拒绝分享。安全多方计算(MPC)用于解决互不信任的多方之间数据协同计算问题,能够为解决数据孤岛问题提供方案。本文以交叉K函数为例,探索空间数据安全共享方法,在原始数据不被泄露的前提下,实现目标函数的空间运算。搭建的原系统角色包括前端服务、控制服务、MPC代理服务及MPC发起方和MPC接收方。计算过程中,在双方认可的信任机制下,MPC发起方和接收方的数据明文始终保留在本地,双方均无法获知对方任何原始数据。最后对比了此方法和传统计算平台的时间效率和准确度。试验表明,本文方法可为空间数据安全共享提供一种全新途径,并为进一步的效率改进研究打下了基础。

基于后量子假设的高效范围证明方案

作为零知识证明的一种特殊应用,范围证明技术广泛地应用于密码货币、电子投票、匿名凭证等多个场景。这项技术使得证明者能够向验证者证明某一秘密整数属于一个给定的连续整数区间,除此之外不泄露其他任何信息。大部分现有的范围证明方案都是针对基于经典的数论假设的承诺方案构造的,在量子攻击下不能保证安全性。本文针对串承诺方案,提出了一种构造后量子范围证明方案的新思路,并分别基于Exact Learning Parity with Noise(xLPN),Small Integer Solution(SIS)和Learning with Errors(LWE)等假设,给出了三类具体的范围证明方案。此外,文章还提出了一个批承诺方案,并针对该批承诺构造了适用于同时处理多个消息的批处理范围证明方案。该批处理范围证明方案中,对于多个秘密值分别属于不同整数区间的情况,证明者只需要产生一个证明。与对多个消息逐一生成证明的处理方式相比,批处理的方式有效地节约了生成证明过程中需要的随机数个数,明显地降低了双方的通信量和计算量。

密码学与隐私计算在人工智能行业中的实践

AI的发展离不开高质量的数据源,而数据所代表的内容与个人隐私、安全息息相关,随着数据泄露事件的频发,数据安全正得到了越来越多的关注。如何兼顾数据的流动、分享与个人隐私的保护?如何令不同数据拥有方以安全有效的技术手段共同训练使用AI模型?近年来,以密码学为代表的隐私计算技术为这些问题提供了可能的解决方案。本文首先介绍这一问题的背景和主要特点;然后结合开源隐私计算框架Rosetta,介绍在金融、人脸识别等场景中,如何赋能AI系统以隐私保护的能力;最后简述该领域的未来发展趋势。

分布式隐私人工智能基础设施

人类文明是基于信任协作发展起来的。在原始部落中,人们分工协作,照顾亲人。在互联网发达的现代社会里,人类的信任模式已经发生了变化,从强信任的合作模式,演化到弱信任,甚至是无须信任的协作关系。在新的信任协作关系背景下,要构建利用数据要素的公共基础设施比较难。