多方同态加密:安全多方计算的新方案

版权申诉
0 下载量 71 浏览量 更新于2024-07-08 收藏 488KB PDF 举报
"这篇论文探讨了一种基于环学习带误差(Ring-Learning-with-Errors,RLWE)的多方同态加密(Multiparty Homomorphic Encryption, MHE)方案,旨在实现安全多方计算(Secure Multiparty Computation, MPC)。作者提出了一个多人版本的Brakerski-Fan-Vercauteren同态加密系统,并将其实现为开源库,以支持这种解决方案。该方案在半诚实模型中具有抵御恶意多数的优势,其特点包括公开的交互记录、紧凑的离线阶段和非交互式的电路评估过程。这使得通信复杂度从平方级别降低到线性级别,极大地扩展了安全计算的参与方数量,涵盖了从传统的点对点环境到云外包和智能合约技术等多种计算范式。" 本文的核心知识点包括: 1. 同态加密:同态加密允许在密文上进行计算,而不会揭示任何关于原始明文的信息。这种特性使得数据在加密状态下仍能进行处理,从而提高了隐私保护能力。 2. 隐私计算:隐私计算是一类技术,它允许数据在被保护的状态下进行计算,确保敏感信息不被泄露,同时保持计算结果的准确性。在这个场景中,多方同态加密是实现隐私计算的一种有效手段。 3. 安全多方计算:安全多方计算允许多个参与者共同计算一个函数,而无需透露他们的输入数据。在此过程中,即使有部分参与者是恶意的,也能保证计算的正确性和数据的隐私。 4. 环学习带误差(RLWE):RLWE是一种用于构建后量子密码学的数学问题,是同态加密中的基础工具。它的安全性基于解决环上的线性方程组的困难性。 5. Brakerski-Fan-Vercauteren同态加密系统:这是一个特定的同态加密方案,以其发明者的名字命名,它提供了一种有效的方式来进行部分同态加密操作。 6. 多方同态加密(MHE):MHE是同态加密的扩展,适用于多个人之间的计算。论文中提出的MHE方案能够支持大量参与者,降低了通信复杂度,使得大规模的分布式安全计算成为可能。 7. 开源库实现:为了促进研究和应用,作者实现了MHE方案的一个开源库,这将方便其他研究者和开发者在实际项目中利用这一技术。 8. 通信复杂度降低:传统MPC方案的通信复杂度与参与方数量的平方成正比,而MHE方案通过优化,将复杂度降为线性,极大地提升了大规模协作计算的效率。 9. 应用场景:MHE方案不仅适用于传统的点对点环境,还可以应用于云服务外包和智能合约等新兴领域,展示了其在现实世界中的广泛应用潜力。 这篇论文为隐私保护和安全计算提供了新的视角,通过多方同态加密技术,解决了大规模协作计算中的隐私和安全挑战,有望推动相关领域的进步。