增加对抗不确定性以扩展隐私保护相似性检测
密码学与安全
2021-10-06 v4
摘要
社交媒体等平台依赖对滥用内容的自动检测，以助力打击虚假信息、骚扰与滥用行为。一种常见方法是针对服务端存储的问题条目数据库检查用户内容的相似性。然而，该方法从根本上危及用户隐私。作为替代，我们着眼于客户端检测，仅在发生此类匹配时通知用户以警示其防范滥用内容。我们的方案基于隐私保护相似性测试。现有方法依赖昂贵的密码学协议，难以扩展至大型数据库，且可能牺牲匹配的正确性。为应对该挑战，我们提出并形式化了基于相似性的分桶(SBB)概念。借助SBB，客户端向持有数据库的服务器泄露少量信息，使服务器能生成可能相似条目的桶。该桶足够小，可高效应用隐私保护相似性协议。为分析所泄露信息的隐私风险，我们引入一个衡量对手正确推断关于客户端输入的谓词之置信度的框架。我们为图像内容开发了实用的SBB协议，并利用真实世界社交媒体数据评估其客户端隐私保障。随后我们将SBB与多种相似性协议结合，表明相较无SBB的情形，结合SBB在大规模数据库上至少实现29倍的加速，同时保持超过95%的正确性。
引用
@article{arxiv.2109.01727,
title = {Increasing Adversarial Uncertainty to Scale Private Similarity Testing},
author = {Yiqing Hua and Armin Namavari and Kaishuo Cheng and Mor Naaman and Thomas Ristenpart},
journal= {arXiv preprint arXiv:2109.01727},
year = {2021}
}