基于 Reed-Muller 信息超集实现多项式计算中的完美子集隐私

将大规模计算委托给服务提供商是常见做法，但会引发隐私问题。本文研究信息论下的数据隐私保护委托计算，服务提供商可进一步将计算委托给辅助工作节点，以在以后时点对数据进行多项式计算。我们研究适用于分布式计算系统的鲁棒管理技术，即已知的编码计算领域。然而，编码计算中的隐私传统上关注协同工作节点的问题，假设计算管理员是受信任的。这种隐私观察不准确地反映实际隐私关切，因为通常情况下，服务提供商整体（即管理员和工作节点）形成一个整体实体，本身构成隐私风险。本文旨在将编码计算的隐私焦点转向保护用户免受整个服务提供商的隐私泄露，而不仅仅是针对服务提供商内部协同工作节点。为此，我们利用近期定义的完美子集隐私概念，确保来自所有数据子集（至一定大小）的信息泄露为零。利用 Reed-Muller 解码技术中的已知方法，我们提供一种方案，使其在无卡顿系统中实现完美子集隐私下的多项式计算。此外，通过研究 Reed-Muller 码中的信息超集（可能独有兴趣），我们将前述方案扩展到容许服务提供商内部卡顿工作节点的情形。