非对称私有集合求交及其在接触者追踪与私有纵向联邦机器学习中的应用
密码学与安全
2020-11-19 v1 机器学习
摘要
我们提出了一个用于非对称私有集合求交（PSI）和 PSI-Cardinality（PSI-C）的多语言、跨平台、开源库。我们的协议将传统的基于 DDH 的 PSI 与 PSI-C 协议与基于布隆过滤器的压缩相结合，有助于在非对称设定下减少通信。目前，我们的库支持 C++、C、Go、WebAssembly、JavaScript、Python 和 Rust，并可在传统硬件（x86）与浏览器目标上运行。我们进一步将我们的库应用于两个用例：（i）与现有方法兼容但改进其隐私保障的隐私保护接触者追踪协议；（ii）对纵向划分数据的隐私保护机器学习。
引用
@article{arxiv.2011.09350,
title = {Asymmetric Private Set Intersection with Applications to Contact Tracing and Private Vertical Federated Machine Learning},
author = {Nick Angelou and Ayoub Benaissa and Bogdan Cebere and William Clark and Adam James Hall and Michael A. Hoeh and Daniel Liu and Pavlos Papadopoulos and Robin Roehm and Robert Sandmann and Phillipp Schoppmann and Tom Titcombe},
journal= {arXiv preprint arXiv:2011.09350},
year = {2020}
}
备注
NeurIPS 2020 Workshop on Privacy Preserving Machine Learning (PPML 2020)