PrivateFetch：隐私保护广告中的可扩展目录投递
密码学与安全
2021-09-20 v1
摘要
为了保留一个在使用点免费的互联网的可能性，人们的注意力正转向新的解决方案，这些方案将允许基于用户偏好等行为信息投放定向广告，而不损害用户隐私。最近，设计此类系统的探索要么采用依赖如 -匿名等语义保证的方法——当与替代信息结合时容易被规避，且未考虑到即便此类聚类的知识本身也具有隐私侵入性；其他方法通过将所有数据与处理逻辑移至客户端来提供完全隐私——但这对客户端与服务器都代价高昂。在这项工作中，我们设计了一个称为 PrivateFetch 的新框架，用于构建实用的广告投递流水线，其依赖于密码学困难性与最佳情形隐私，而非句法隐私保证或对现实世界匿名化工具的依赖。PrivateFetch 利用偏好的本地计算，随后进行高性能单服务器私有信息检索（PIR），以确保客户端可以从服务器预取广告内容，而不向内容提供方泄露任何其固有特征。考虑到包含 条广告的数据库，我们展示可在 40 秒内将 条广告投递给客户端，总通信开销为 192KB。我们还通过表明运行它的货币成本低于平均广告收入的 1% 来证明 PrivateFetch 的可行性。因此，我们的系统能够在典型浏览会话中展示广告之前，基于行为与上下文用户信息为客户预取广告。此外，虽然我们将 PrivateFetch 作为私有广告投递进行测试，但我们方法的通用性意味着它也可用于其他内容类型。
引用
@article{arxiv.2109.08189,
title = {PrivateFetch: Scalable Catalog Delivery in Privacy-Preserving Advertising},
author = {Muhammad Haris Mughees and Gonçalo Pestana and Alex Davidson and Benjamin Livshits},
journal= {arXiv preprint arXiv:2109.08189},
year = {2021}
}