接触者追踪应用中用于隐私数据分析的密码算法札记

接触者追踪是应对 COVID-19 大流行的一项重要措施。在早期阶段，许多国家采用人工接触者追踪以遏制疾病传播速率，然而其存在诸多问题。人工方式繁琐、耗时，且需大量人员积极参与方能实现。为克服这些缺陷，提出了数字接触者追踪，通常涉及在人们移动设备上部署接触者追踪应用以追踪其行动与密切社交互动。尽管研究表明数字接触者追踪比人工方式更有效，但已观察到接触者追踪应用的较高采用率可带来更好控制的疫情。这也提升了对所收集数据及后续分析准确性的信心。接触者追踪应用采用率低的一个关键原因在于对个人隐私的担忧。事实上，若干研究报道多国部署的接触者追踪应用并不隐私友好，并可能被相关政府用于大规模监控。因此，尊重隐私的接触者追踪应用是当务之急，可促成高效且有效的接触者追踪。作为本研究一部分，我们聚焦于可助力解决私有集交集（Private Set Intersection）问题的各类密码技术，该问题处于隐私友好接触者追踪的核心。我们在接触者追踪应用所用的典型客户端-服务器架构下分析这些技术的计算与通信复杂度。进一步针对印度场景评估这些计算与通信复杂度表达式，从而识别出可更适宜部署于此的密码技术。