• 2022 年 11 月 8 日
• 筆記

学习文章：“ 一起学MPC：（一）百万富翁问题 ”和“ 【隐私计算笔谈】MPC系列专题（一）：安全多方计算应用场景一览 ” 百万富翁问题 将问题具体化： Alice有 \(i\) 亿元，Bob有 \(j\) 亿元，为方便描述，我们限定 \(0<i, j \leq 10\) 。现在想在不暴露和的情况下 &hellip;

• 2022 年 8 月 1 日
• 筆記

记录阅读论文的笔记。 摘要 总结： （1）CRYPTO 2019: The Communication Complexity of Threshold Private Set Intersection-2019：解读 提出任何阈值PSI得通信复杂度为 \(\Omega(T)\) ；基于FHE的两方阈 &hellip;

• 2022 年 7 月 29 日
• 筆記

数据安全与隐私计算峰会-安全求交集在隐私计算中的发展和应用：学习 PSI是安全多方计算中发展较为成熟的技术。 定义 （1）Alice获取到交集 思考一下：对于两方来说，是一方获取交集？还是两方都获取交集？ （2）可证明安全：证明Alice不能获取除了交集以外的信息 功能分类 两方半诚实 （1）只获得 &hellip;

• 2022 年 7 月 14 日
• 筆記

阈值PSI 若交集数量超过某个给定阈值时，允许分布式的各个参与方在自己集合中找到交集，且除了交集外，得不到其他额外信息。 实现论文： Multi-Party Threshold Private Set Intersection with Sublinear Communication 源码地址： / &hellip;

• 2022 年 7 月 2 日
• 筆記

会议笔记。 隐私计算框架“隐语”及其最新实用实践 总结 1、隐私计算很重要 2、介绍主要基础技术：TEE、MPC、DP、FL 3、隐语的安全性，在去中心化、集中式和联合计算模式下是安全的。 4、通用隐私计算框架“隐语”介绍及最新应用实践： //www.bilibili.com/video/BV1tY &hellip;

• 2022 年 6 月 30 日
• 筆記

本文记录阅读该论文的笔记。 本文基于阈值加法同态加密方案提出了一个新的允许 \(N\) 方检查其输入集的交集是否大于 \(n-t\) 的IPSI方案，该协议的通信复杂度为 \(O(Nt^2)\) 。 注意： \(N\) 指的是多少个参与方、 \(n\) 是输入集的大小、 \(t\) 是预先设定的阈值 &hellip;

• 2022 年 6 月 3 日
• 筆記

文本记录阅读该论文的笔记。 这是文章框架，来自视频。 介绍 本文主要解决恶意攻击下安全的多方PSI，主要用到两大技术OPPRF和OKVS，构造合谋和不合谋的协议。 基础知识 OPPRF 这部分在OPRF中有介绍： OPRF PRF 伪随机函数，产生的结果类似于伪随机数。 OPRF 不经意的伪随机函数 &hellip;

• 2022 年 5 月 30 日
• 筆記

本文记录阅读该paper的笔记。 摘要 本文给出两种MPSI协议，采用的是星型拓扑结构，即有一个leader，需要和其他参与者交互。优点是并非所有各方都必须同时在线： （1）能抗半诚实攻击 通信复杂度与输入数据集大小呈线性关系； 计算复杂度是leader方输入数据的二次关系，其他参与者的输入集大小呈 &hellip;

• 2022 年 5 月 24 日
• 筆記

本文记录阅读该paper的笔记。 摘要 要点： （1）集合的势：交/并集个数 （2）该文主要讨论三点： 集合的势与阈值的大小关系 集合的交/并集与元素的包含关系 集合的交/并集的判定 （3）模拟范例：是安全性证明的方法 引言 首先给出三个场景，依次分析一下： （1）全部领导集合Q，全部员工集合P，员 &hellip;

• 2022 年 5 月 23 日
• 筆記

本文记录阅读该paper的笔记，这篇论文是TenSeal库的原理介绍。 摘要 机器学习算法已经取得了显著的效果，并被广泛应用于各个领域。这些算法通常依赖于敏感和私有数据，如医疗和财务记录。因此，进一步关注隐私威胁和应用于机器学习模型的相应防御技术至关重要。在本文中，我们介绍了TenSEAL，这是一个 &hellip;