隐私计算实训营 第6讲 功能介绍：基于PSI的场景案例

[valor?]

本文基于隐雨隐私计算实训营的课程，【隐私计算实训营 第4期】隐语PIR功能及使用介绍 第6讲_哔哩哔哩_bilibili

目录

01 隐语实现PIR总体介绍

02 Index PIR-SealPIR介绍

1、多个数据pack到一个HE Plaintext

2、查询向量压缩到一个密文

3、多维查询，减少查询向量

4、支持多个查询（Multi/Batch Query）

03 Keyword PIR-Labeled PSI介绍

1、CLR17通过CuckooHash降低插值多项式的次数

2、CLHR18引入OPRF避免信息泄露

3、CMCD+21一系列改进

4、隐语label PSI的主要工作

---

01 隐语实现PIR总体介绍

PIR根据服务器数量可以分为：

• 单服务器 PIR
• 多服务器 PIR

PIR根据查询类型可以分为：

• Index PIR
• Keyword PIR

隐语目前所支持的PIR方式：

• Single Server Index PIR: SealPIR
• Single Server Keyword PIR: Labeled PIR

隐语PIR调用的接口

• pir_setup

• pir_query

 

02 Index PIR-SealPIR介绍

 

之前有提到过SealPIR的主要贡献是：

• 多个数据pack到一个HE Plaintext：查询的db_index转换为plaintext_index
• 查询向量压缩到一个密文：显著减少通信量，server端可通过计算expand得到查询密文向量
• 支持多维查询：2维查询将数据转换为n∗ n的矩阵，减少expand计算量
• 支持多个查询：使用cuckoo hash支持同时进行多个查询

下面，详细的针对每一点做出解释。

1、多个数据pack到一个HE Plaintext

 

2、查询向量压缩到一个密文

3、多维查询，减少查询向量

（1）sqrt(n) ∗ sqrt(n)的矩阵𝑀，其中sqrt(n) ≤ 8192

（2）𝑉_𝑐是密文查询列向量，𝐴_𝑐 =𝑀 ∗ 𝑉_𝑐，𝐴_𝑐是sqrt(n) ∗ 1的密文列向量

（3）将𝐴_𝑐中每个密文拆分为𝐹份，得到sqrt(n) ∗ 𝐹的明文矩阵𝐴𝑆_𝑐

（4）𝑉_𝑟是密文查询行向量，𝐴𝑆_𝑐^T ∗ 𝑉_𝑟，得到𝐹 ∗ 1的密文向量

（5）客户端收得到𝐹个密文向量，解密后，将其组合成密文 Enc(𝑀[𝑟,𝑐])，再次解密得到𝑀[𝑟,𝑐]

4、支持多个查询（Multi/Batch Query）

03 Keyword PIR-Labeled PSI介绍

[CLR17] https://eprint.iacr.org/2017/299.pdf

[CLHR18] https://eprint.iacr.org/2018/787.pdf

[CMCD+21] https://eprint.iacr.org/2021/1116.pdf

1、CLR17通过CuckooHash降低插值多项式的次数

2、CLHR18引入OPRF避免信息泄露

3、CMCD+21一系列改进

4、隐语label PSI的主要工作

• 以微软的开源代码功能为核心
• OPRF采用隐语自身的实现，支持的ecc曲线包括：FourQ,Secp256k1,SM2
• Label的自动填充
• 增加了服务的预处理结果保存功能，可以支持离线和查询(多次)两个阶段