基于函数加密的隐私保护信用评分
密码学与安全
2021-09-23 v1
摘要
多数管理机密数据的金融机构都意识到安全威胁，并采用被广泛接受的方案（如存储加密、传输层加密、入侵检测系统）来预防或检测攻击。然而，这些加固措施对于数据使用中（data-in-use）更为严重的威胁几乎无能为力。同态加密（HE）与硬件辅助的可信执行环境（TEE）等方案，如今是缓解此类威胁的首选方法。然而，鉴于 HE 的高性能开销，处理速率要求严苛的金融机构更倾向于基于 TEE 的方案。例如，X-Margin Inc. 公司通过结合 Intel SGX TEE 技术与基于 HE 的零知识证明，提供安全金融计算，即便面对拥有系统特权访问的恶意内部人员也能保护客户数据使用中安全。尽管该方案提供强安全保证，其局限在于须信任 Intel 以及依赖 SGX 硬件扩展的可用性。本文评估了 X-Margin 的一条新路径，即通过新兴密码学方案——函数加密（FE）执行隐私保护信用风险评分，该方案允许用户仅学习加密数据的函数。我们描述了 X-Margin 应用如何受益于这一创新方法，并最为重要的是评估了其性能影响。
引用
@article{arxiv.2109.10606,
title = {Privacy-preserving Credit Scoring via Functional Encryption},
author = {Lorenzo Andolfo and Luigi Coppolino and Salvatore D'Antonio and Giovanni Mazzeo and Luigi Romano and Matthew Ficke and Arne Hollum and Darshan Vaydia},
journal= {arXiv preprint arXiv:2109.10606},
year = {2021}
}
备注
Computational Science and Its Applications -- ICCSA 2021 -- Springer International Publishing