关于隐私保护的英文论文的阅读—— How to read English thesis
首先 开始我读论文时 也是恨不得吃透每个单词 但是后来转念一想 没必要每个单词都弄懂
因为 一些程度副词 修饰性的形容词等 这些只能增强语气罢了 对文章主题的理解并没有天大的帮助
而读文章应该首先把握主旨 我们应该首要关注 标题 关键词 去通读一遍把握主旨 然后精读重要部分 接着提炼收获
读论文的步骤大致如下:
下面记录一下我开始如何读的英语论文
这篇论文是香港中文大学最近的论文
首先看标题 第二行肯定比较关键 通过了解查阅饲料 可以得到隐私保护集合求交技术(PSI)
而后边的摘要就是介绍了这种技术 简要概括一下
隐私保护集合交集协议允许持有各自集合的两方来共同计算两个集合的交集运算。在协议交互的最后,一方或是两方应该得到正确的交集,而且不会得到交集以外另一方集合中的任何信息。
而其中一些细节 关于t这个参数什么的 我真不明所以 resp我也不知道是什么的简写 response?那么保留这些问题
这么爱装杯的知乎都没人回答的么 不是我问的 老问题了
但是通过这句话可以初步知道 大约满足psi大于或者小于参数t 这类条件时 客户方应该才会获取信息
之后的这部分:
一些基础的介绍 个人认为没有实际价值
之后介绍的是赵和周的研究工作:
看到这里我还是一头雾水t是什么
可是后来
大致可以知道 这个c和s交互 c需要满足s的一些条件(s也可能要同时满足c的条件 因为交互一般都是双向的) 才能进行交互(获取交集的信息) 这个条件目前姑且认为是单调的 (t>psi的阈值或者t小于psi的阈值)
因为后边举了个例子 比如一个data(约会)软件 c与s交互 s肯定不想告诉c所有的东西 原因多方面:比如一是怕泄露太多用户隐私 二是怕c这一方会做出一些出格举动(毕竟男人都是lsp了)三是如果高强度交互数据 对服务器等成本也是种考验 这些考虑是出于谋求共同利益 “From the perspective of finding common interests”
那么这两个情况 或者说两种函数 我们姑且统称为 t>psi的阈值或者t小于psi的阈值 那么resp应该是“或”(or)
比如 这个软件 女用户也有需求 他们需要t>psi 来保证搜索到的男性的质量 比如 要帅 要有钱 要离得近 这种 此时的搜索就是求交集 而且是有条件地求交
当然女用户也有另一种需求 要t<psi 来过滤掉另一部分男性 (丑的 吸烟的 没钱的) 使得这部分人的出现次数低于可以接受的阈值
我认为我这些解释够形象了 隐私保护差不多就是这样
下一部分:
这一部分的概述说的是 我们讨论的那种单调问题还是最基本的 而光 t大于小于 这个问题 概念相似 实际上又是不同的问题
而世界上肯定也会存在非单调非线性的问题 这样问题本身更加复杂
之后提出 他们想要统一两种协议的设计 要用一种创新方法来实现这两种psi协议(也就是设计一种巧妙算法) 而不会去泄露交集的大小等相关信息
而赵和周面临了两个问题 一方面,应该有一种方法来快速识别哪些共享可以用来重建解锁密钥 另一方面,它通过对可能有用的单个共享的计数来揭示匹配的数量,即交集的大小
之后又引出了:存在PSI(简称PSI- x) existential PSI
PSI-X只输出一个位而不是一个位集。输出表示这两个私有集是否有任何重叠
特别地,我们又构建一个协议
在这种设计中,基数不再是无意的泄漏,而是有意加密的。这为实现阈值功能提供了一个有用的基础
在这两种设计的基础上,都有一种对加密数据进行计算的技术,该技术通过无关多项式求值(OPE)实现。附录C总结了PSI变量之间的关系。 也就可以查阅了
之后
merits 总结的一些优点 这些可以不看了 无非就是复杂度小啊 什么的
这里说的呢 就是 这个协议本身也是有缺点的
尽管我们的协议是有效的,但它们仍然依赖于公钥技术,这种技术很难避免,而且不如对称密钥(比如哈希函数或块密码)高效
同时 PSI协议也常常是高度交互的 那么协议的进行肯定繁重而复杂
这里就想将其外包给云服务 将PSI外包出去,不仅效率更高,而且更符合移动应用的商业模式和使用习惯
1.4介绍了相关人员的研究工作
看完这些 大致对文章有了个初步了解 之后的才是重点和主体
这个preliminary有点烦人啊 主要是知识储备不够 后边那些算法什么的跟鬼一样 还都是英文的
上边的图 表示从集合S中取元素
我们使用Fρ表示理想实现协议ρ的功能, 并使用Πρ表示ρ的具体的一些协议建设
而对于分布的X和Y不好区分 我们用一个negl函数表示
这个式子不太懂啊 保留问题
这个介绍的是同态加密和多项式求值
给定两个暗文Enc (pk, m0)和Enc (pk, m1),他们可以有效地计算加法Enc (pk, m0 + m1) = Enc (pk, m0)⊕Enc (pk, m1)不使用私钥sk
常数c,给定一个密文Enc (pk, m),一个可以很容易地计算Enc (pk, c·m)= c⊙Enc (pk, m)。
为了建立一个OPE协议,多项式p(x)可以通过加密其系数a0 ....来隐藏
这些加密系数,用Enc(pk, p(·))表示 任何持有明文s的人都可以使用加法和恒乘法计算加密p(s)为Enc(pk, a0)⊕(Enc(pk, a1)⊙s)⊕··⊕(Enc(pk, ak)⊙sk)
Bloom Filters m位的紧凑数组,它表示一个包含n个元素的集合S
它由一组k独立的哈希函数H = (h1,…hi)统一地将元素映射到[m]中的索引。
之后的那些我就略了
直接看主体
这个大致上的意思就是 p2(服务器)输出永远是⊥ ⊥这个符号我认为没必要纠结 反正不是正常输出 ⊥(垂直符号)本应该是正交的一种概念 我认为是逻辑学上的一种概念 也可能就是作者随手用的
作者也没有说明什么的
P1(通常被称为“客户端”),如果它的输出不是⊥,它对这个阈值策略是满意的 它不能区分是否由于C∩S =ϕ 或者是C和S不符合policy
完全可以从下方的数学公式表达看出
p2永远输出⊥ p1输出c和s的交集 不输出其他(满足条件时)
为了同时实现Ft≤-PSI和Ft≥-PSI 他们使用了encrypted PSI cardinality (ePSI-CA)
设S和C是一个预定定义域的子集。让(pk1,sk1)是同态加密方案的公开/秘密密钥对:
这个我觉得要重点看一下:
我们描述.....混合模型,而具体实例化FePSI-CAis延迟到第四节
接下来,我们以t≤-PSI为例来展示如何使用FePSI-CA作为构建块来轻松实现。我们对ePSI-CA和健忘多项式求值(OPE)的新组合的关键在于,我们使用OPE将Enc(pk1,|C∩S|)(即FePSI-CA的输出)转换为会话密钥K的加密,当且仅当|C∩S|∈[0,t]。如果|C∩S| /∈[0,t],评价结果是随机的,不包含关于K的信息。
p2i将从feps - ca获得的加密基数重新随机化为Enc(pk1,|C∩S| + r),使得p1在解密Enc(pk1, |c∩S| + r)之后对|C∩S| + r一无所知,但却可以明确地求值一个在|c∩S| + r的多项式。更具体地说,P2first准备了一个多项式p(·),其根为r, r + 1,…, r + t,并选择随机对称密钥K. P2 then在自己的公钥pk2下发送多项式p '(·)= r '·p(·)+K的加密系数。
这样,当p1通过加性同态评估(求值)|C∩S| + r的p '(·)时(见第2.1节),结果将是当且仅当|C∩S|≤t时K的加密;否则,它将加密一个随机数,而这个随机数不会显示K的任何信息(因为r '·p(·)是一次加密K,而P2only使用r ' 一次
从之前的明文(生成Enc(pk2, p’(|C∩S|+r))中去检索在|C∩S|+r处的p '(·)值 (哪个是正确的会话密钥K或者是一个随机值)p1将该密文(在图1的步骤(4)中表示为Enc(pk2, K '))随机化,用随机数r "进一步使其盲化,并要求p2解密。当且仅当|C∩S|≤t时,p1最终获得的是一个等于K的值K’。这个K’作为一个标记,显示交集|C∩S|是否低于阈值
The final step is to have P1and P2engage in
a normal ΠPSI, in which P1and P2uses CK′= {ci||K′} and SK= {si||K} as
input respectively. Hence P1can recover the intersection if it possesses the same
key K′= K.
关于隐私保护的英文论文的阅读—— How to read English thesis的更多相关文章
- 腾讯数据安全专家谈联邦学习开源项目FATE:通往隐私保护理想未来的桥梁
数据孤岛.数据隐私以及数据安全,是目前人工智能和云计算在大规模产业化应用过程中绕不开的“三座大山”. “联邦学习”作为新一代的人工智能算法,能在数据不出本地的情况下,实现共同建模,提升AI模型的效果, ...
- SCI英文论文写作- Latex 进阶
SCI英文论文写作- Latex 进阶 1.设置行间距的方法: %\setlength{\baselineskip}{15pt} \renewcommand{\baselinestretch}{1 ...
- iOS 获取用户授权的用户隐私保护-地图定位
获取用户授权的用户隐私保护地图定位示例://导入定位框架#import<CoreLocation/CoreLocation.h>@interfaceViewController()< ...
- CSS中:visited的隐私保护
CSS 伪类 (Pseudo-classes) 锚伪类:在支持 CSS 的浏览器中,链接的不同状态都可以不同的方式显示,这些状态包括:活动状态,已被访问状态,未被访问状态,和鼠标悬停状态. a:lin ...
- SSD: Single Shot MultiBoxDetector英文论文翻译
SSD英文论文翻译 SSD: Single Shot MultiBoxDetector 2017.12.08 摘要:我们提出了一种使用单个深层神经网络检测图像中对象的方法.我们的方法,名为SSD ...
- 露脸!钉钉通过SOC2隐私性原则审计,安全和隐私保护达超一流国际标准
2018年4月3日,阿里巴巴钉钉宣布已经正式通过了两项安全方面的权威资质:SOC2Type1服务审计报告和ISO27018(公有云体系下的隐私保护)证书. 钉钉方透露,此次通过美国注册会计师协会(AI ...
- 铁大Facebook隐私保护NABCD
隐私保护功能: N:满足了用户保护自己隐私信息的需求 A:对每一项用户可能需要保护的信息,我们都会添加仅自己可见.指定人可见.部分人可见或所有人可见设置 B:让用户的信息受到更全面的保护,而不仅仅是对 ...
- 关于 AlphaGo 论文的阅读笔记
这是Deepmind 公司在2016年1月28日Nature 杂志发表论文 <Mastering the game of Go with deep neural networks and tre ...
- 关于Win 10的隐私保护政策
近日.有人责备Win10收集用户信息,事实上这样的指责并不公平,比方:"Privacy Groups Claim Microsoft Uses Windows 10 as Big Broth ...
随机推荐
- java identityHashCode 和 hashCode
当类并没有重写Object#hashCode()时, 对于 System.identityHashCode(Object) 和 Object#hashCode() 的结果是一致的; 但对于类似Stri ...
- Flutter学习二之Dart语言介绍
上次我记录了Flutter的环境搭建,这次来简单记录一下Drat语言,Flutter是 Google推出并开源的移动应用开发框架,开发语言是Dart,那么Dart语言和其他的语言在语法上有上面区别呢, ...
- Spring循环依赖的三种方式
引言:循环依赖就是N个类中循环嵌套引用,如果在日常开发中我们用new 对象的方式发生这种循环依赖的话程序会在运行时一直循环调用,直至内存溢出报错.下面说一下Spring是如果解决循环依赖的. 第一 ...
- Oracle学习(十三)优化专题
一.查询频繁,数据量大 索引 使用时机:表中经常查询的字段可以考虑添加索引. 联合索引:若能确认多个条件会同时使用时,可以将这几个条件作为联合索引. 单列索引:若条件查询时,这几个条件不是同时用到的话 ...
- Hive改表结构的两个坑|避坑指南
Hive在大数据中可能是数据工程师使用的最多的组件,常见的数据仓库一般都是基于Hive搭建的,在使用Hive时候,遇到了两个奇怪的现象,今天给大家聊一下,以后遇到此类问题知道如何避坑! 坑一:改变字段 ...
- spring怎么避免循环依赖
1.循环依赖 (1)概念 对象依赖分为强依赖和弱依赖: 强依赖指的是一个对象包含了另外一个对象的引用,例如:学生类中包含了课程类,在学生类中存在课程类的引用 创建课程类: @Data public c ...
- Kafka消费与心跳机制
1.概述 最近有同学咨询Kafka的消费和心跳机制,今天笔者将通过这篇博客来逐一介绍这些内容. 2.内容 2.1 Kafka消费 首先,我们来看看消费.Kafka提供了非常简单的消费API,使用者只需 ...
- 实用向—总结一些唯一ID生成方式
在日常的项目开发中,我们经常会遇到需要生成唯一ID的业务场景,不同的业务对唯一ID的生成方式与要求都会不尽相同,一是生成方式多种多样,如UUID.雪花算法.数据库递增等:其次业务要求上也各有不同,有的 ...
- IP地址的获取
//ip地址的获取:非原创,之前在其他地方看到,拿过来备份下: public static String getIPAddress(HttpServletRequest request) { Stri ...
- c#之task与thread区别及其使用
如果需要查看更多文章,请微信搜索公众号 csharp编程大全,需要进C#交流群群请加微信z438679770,备注进群, 我邀请你进群! ! ! --------------------------- ...