MapComp：面向安全协作分析的基于视图的连接-分组-聚合框架
密码学与安全
2025-10-29 v5
摘要
连接-分组-聚合（JGA）查询是数据分析的基本任务，但在不同方之间协作执行面临显著隐私风险。安全多方计算（MPC）提供了密码学解决方案。然而，现有基于MPC的JGA方法仅考虑一次性查询范式，且存在显著性能瓶颈。它们会从头开始执行昂贵的连接操作，且采用低效的分组-聚合（GA）协议，严重阻碍了大规模、实时分析的实际应用。本文引入MapComp，一种新颖的基于视图的框架，用于安全协作分析的JGA查询。通过设计特殊的物化视图处理连接操作，并创新地设计GA协议，MapComp消除了重复的连接工作负载，加速后续GA操作，提高了JGA查询执行效率。为应对持续数据更新的挑战，本文的物化视图具备有效负载独立性，能够在无需额外MPC开销的情况下显著提高视图刷新效率。该特性还进一步加速了GA操作，我们设计了多种新型协议，显著超越了先前工作。值得注意的是，本工作是首次利用物化视图加速安全协作JGA查询的努力。我们的严格实验表明，MapComp在实际查询仿真中相对于基线实现了最高可达308.9倍的效率提升。此外，我们优化后的GA协议相对于基于不可知排序的先前解决方案实现了最高可达1140.5倍的效率提升。
引用
@article{arxiv.2408.01246,
title = {MapComp: A Secure View-based Collaborative Analytics Framework for Join-Group-Aggregation},
author = {Xinyu Peng and Feng Han and Li Peng and Weiran Liu and Zheng Yan and Kai Kang and Xinyuan Zhang and Guoxing Wei and Jianling Sun and Jinfei Liu and Lin Qu},
journal= {arXiv preprint arXiv:2408.01246},
year = {2025}
}