面向字符串与向量数据库的非自适应Mastermind算法及案例研究
密码学与安全
2010-12-14 v1
摘要
本文研究了利用稀疏性的Mastermind算法，用于攻击整个字符串或向量数据库（如DNA序列、电影评分或社交网络好友数据）的隐私。基于对非自适应群组测试的归约，我们的方法能够利用最小量的隐私泄露，例如一个指示医疗数据库中两人是否有任何共同基因突变，或在线社交网络中两人是否有任何共同朋友的单个比特。我们通过理论刻画分析了Mastermind攻击算法，这些刻画提供了克隆数据库所需查询次数的次线性界，并在基因组信息、协同过滤数据和在线社交网络上进行了实验测试。通过利用这些现实世界数据库通常稀疏的特性，并调节控制查询稀疏性的参数，我们证明了只需相对较少的非自适应查询即可恢复每个数据库的绝大部分内容。
引用
@article{arxiv.1012.2509,
title = {Nonadaptive Mastermind Algorithms for String and Vector Databases, with Case Studies},
author = {Arthur U. Asuncion and Michael T. Goodrich},
journal= {arXiv preprint arXiv:1012.2509},
year = {2010}
}