Femur：一个用于从公钥值存储中快速安全查询的灵活框架

随着对隐私需求的增加，在访问公钥值数据库时保护敏感的用户查询数据变得必要。现有的私有信息检索（PIR）方案提供了完全的安全性，但可扩展性差，限制了它们在大规模部署中的适用性。我们认为，在许多现实场景中，一种更实用的解决方案应允许用户在理论指导下灵活确定其查询的隐私级别，根据具体需求平衡安全性和性能。为了正式提供可证明的保证，我们引入了基于距离的不可区分性这一新概念，它可以帮助用户轻松放宽其安全要求。然后我们设计了 Femur，这是一个高效的框架，能够以灵活的安全性和性能折衷来安全查询公钥值存储。它使用空间高效的学习索引将查询键转换为存储位置，利用基于距离的不可区分性理论可证明地推导出的额外噪声来混淆这些位置，并将扩展的范围发送给服务器。然后，服务器自适应地利用最佳方案来检索数据。我们还提出了一种针对带宽受限环境优化的新型可变范围 PIR 方案。实验表明，即使在确保相同的完全安全级别时，Femur 的性能也优于最先进的设计。当用户愿意放宽其隐私要求时，Femur 可以将性能增益进一步提高至 163.9 倍，展示了安全性和性能之间的有效折衷。