隐私集合交集（PSI）总结

[yakoju]

隐私集合交集（PSI）总结

一、PSI 定义

 

隐私集合交集是一种密码学技术，用于在保护数据隐私的前提下，找到两个或多个参与方所持有集合的交集元素。例如参与方 A 有集合 X，参与方 B 有集合 Y，PSI 技术能在不泄露 X 和 Y 中除交集元素之外的其他元素信息的情况下，找出 X 和 Y 的交集。

 

二、最常用基础的 PSI：Two-Party Semi-Honest PSI

 

• 适用于两方在半诚实模型下计算集合交集的场景，确保只有交集元素被公开，非交集元素被保密。
• 假设参与者是半诚实的，即会遵守协议，但可能会尝试获取对方的机密信息。

三、Two-Party Semi-Honest PSI 的三个挑战及解决思路

 

1. 隐藏非交集元素：需要在密码学上安全地 “隐藏” 非交集元素。当两个元素不相等时，必须添加某种 “噪声”，以确保不匹配的元素无法被穷举计算。
2. 计算交集元素：当两个元素相等时，应该能够以某种方式揭示它们的相等性。
3. 效率高：隐私集合交集协议需要在大规模应用中具有实用性。

四、PSI 方法

 

1. 基于哈希的朴素隐私集合交集方法（Method 1）：
   • 基本思想是先对数据进行哈希处理，然后进行匹配。
   • 隐藏性：使用单向加密哈希函数。
   • 比较：相同的输入经过哈希处理后得到相同的输出。
   • 效率：哈希处理速度很快。
2. 基于 Diffie-Hellman 密钥交换的 PSI 方法（Method 2）：
   • 基本思想是利用具有交换性质的 “双重加密”。

 

1. 基于 OPRF 的 PSI 方法（Method 3）：
   • 通过发送方和接收方分别计算 “秘密” 函数并比较结果来实现隐私集合交集。
   • 在隐藏和效率方面有一定优势，大部分操作都是高效的加密操作，并且只有少量的公钥基础设施操作。

五、无感知伪随机函数（OPRF）

 

在隐私保护计算领域，它占据着极其重要的位置。于隐私集合交集（PSI）的场景之中，它可以让双方在不暴露各自数据的情况下找到集合的交集。接收方借助发送方的密钥对自身的数据进行计算，发送方对自己的数据进行操作并传递结果，最后接收方通过比较结果来确定交集，从而有效地保障了数据的隐私性。

 

六、Two-Party Semi-Honest Secure PSI 的应用

如黑白名单、撞库等中使用。

 

七、计算模型

 

1. 单向模型: 仅一方获知结果。
2. 双向模型: 双方均得知交集。
3. 第三方协助模型: 云服务辅助但不得知最终结果

十、PSI 的最新进展

 

1. 优化离线阶段

• 采用最新的可转换传输（OT）技术，以提升离线阶段的效率与安全性。
• 用向量化的可转换线性扩展（VOLE）取代传统的 OT，增强性能表现。
• 以新的密码学原语替代布谷鸟哈希，提高整体的安全性和稳定性。

 

2. 引入新技术

• 引入探针与字符串异或（PaXos）技术，为隐私保护计算带来新的可能性。
• 采用隐蔽键值存储（OKVS），进一步加强数据的安全性和隐私性。

 

3. 支持交集上的安全计算

• 运用可编程的无感知伪随机函数（OPRF），满足更复杂的隐私保护需求。
• 支持差分隐私（DP）的 PSI，在保证交集计算的同时更好地保护个体隐私。