你不可在我的数据上计算：隐私保护数据市场的访问策略及基于MPC的分布式市场实现

个人数据是众多研究与商业领域获取洞察的极具吸引力的来源。尽管我们的数据极具价值，但其往往涉及隐私敏感。因此，诸如GDPR之类的法规限制了可合法发布的数据以及买家可对这些敏感数据进行的操作。虽然个人数据必须受到保护，我们仍可以出售从数据中收集的、不损害隐私的某些洞察。数据市场是一个帮助用户出售其数据并协助买家发现相关数据集的平台。此类市场面临的主要挑战在于，在提供有价值的数据洞察与满足隐私要求之间取得平衡。私有数据市场试图通过对个人数据提供隐私保护计算来解决这一挑战。此类计算允许在个人数据上计算统计量或训练机器学习模型，而无需以明文访问数据。然而，出售数据的用户无法限制谁可以购买数据，也无法限制数据所允许的计算类型。我们填补了后一空白，提出了一种适用于私有数据市场的灵活访问控制架构，其可应用于现有数据市场。我们的架构使数据卖家能够定义详细的策略，限制谁可以购买其数据。此外，卖家可以控制特定买家可在数据上购买何种计算，并对其参数施加约束以缓解隐私泄露。数据市场的计算系统随后会在发起计算前强制执行这些策略。为证明我们方法的可行性，我们为KRAKEN市场（一个使用MPC的分布式数据市场）提供了实现。我们表明，我们的方法具有实用性，因其引入了可忽略的性能开销，且可抵御多种敌手。