部署差分隐私时的随机性考量
密码学与安全
2020-09-09 v1 计算机与社会
摘要
美国人口普查局正在使用差分隐私 (DP) 来保护为 2020 年十年一次的人口与住房普查收集的机密受访者数据。人口普查局的 DP 系统在披露避免系统 (DAS) 中实现，并且需要随机数据源。我们估计 2020 年普查将需要大约 90TB 的随机字节来保护人员与家庭表。尽管密码学与 DP 之间存在关键差异，它们对随机性有相似的要求。我们回顾了确定性计算机上随机数生成的历史，包括 von Neumann 的“平方取中”方法、Mersenne Twister (MT19937)（以前是默认的 NumPy 随机数生成器，我们得出结论认为其不可接受用于生产级隐私保护系统），以及 Linux /dev/urandom 设备。我们还回顾了硬件随机数生成方案，包括所谓“熔岩灯”的使用和 Intel Secure Key RDRAND 指令。我们最终提出了在 Amazon Web Services (AWS) 环境中生成随机位的计划，使用以 /dev/urandom 和 Intel Secure Key RDSEED 指令的位混合为种子的 AES-CTR-DRBG，这是我们倾向于依赖可信硬件实现、外部评审者对纯硬件实现的担忧以及生成大量随机位需求之间的折衷。
引用
@article{arxiv.2009.03777,
title = {Randomness Concerns When Deploying Differential Privacy},
author = {Simson L. Garfinkel and Philip Leclerc},
journal= {arXiv preprint arXiv:2009.03777},
year = {2020}
}
备注
12 pages plus 2 pages bibliography