Prio3：聚合统计和 SNIP 的私有、稳健且可扩展的计算
由AI翻译Prio3：私有、稳健且可扩展的聚合统计和 SNIP 计算
可验证的分布式聚合函数 (VDAFs)
聚合数据的收集是计算领域最赚钱的行业之一，但是我们如何在不侵犯用户隐私的情况下有效地收集数据？嗯，多方分布式聚合协议 (DAP) 是一种答案，而 PRIO3 方法是目前最好的方法之一。
虽然安全性已应用于静态数据和空中传输的数据，但我们通常仍然对明文数据进行计算。这引发了很多问题，尤其是处理器可以确定 PII（个人身份信息）和诸如秘密加密密钥之类的信息。一种方法是使用 MPC（多方计算），我们可以将计算分解为更小的块，并让每个参与方共享计算。其中一个最好的应用是以隐私保护的方式收集统计信息。
例如，移动电话制造商可能想确定其电话所有者的性别比例，但实际上不透露任何特定的人。为此，每个客户端设备都会为其性别创建一个 SNIP（秘密共享的非交互式证明）。在 PRIO3 中，这是一个快速有效的零知识证明。然后，服务器可以接收这些 SNIP，并检查它们的有效性。检查完毕后，他们可以更新其本地累加器，以进行当前的统计信息聚合。然后，当我们想从客户端设备中揭示性别比例时，他们可以发布其聚合总数：
总的来说，没有一个服务器可以确定客户端是男性还是女性，因为创建了他们性别的零知识证明；但是，我们仍然可以计算总数。使用 PRIO3，没有一个服务器能够看到明文数据，并且基于经典论文 [here][1]：
PRIO3 的实现通常可以看作是用于隐私测量的多方分布式聚合协议 (DAP) 的一部分，该协议目前正在 IETF 中进行标准化 [here]：
我们将使用 PRIO3 为 Boolean 值（计数）创建多个共享，然后将数据聚合回来。核心分析是对某事物是 True 还是 False 进行基本计数，数据集为 {true, false, true, true}，并将计算 true 值的数量 [here]：
package main
import (
"fmt"
"crypto/rand"
"os"
"io"
"strconv"
"github.com/cloudflare/circl/vdaf/prio3/count"
)
func fromReader[T any](r io.Reader) (z T) {
switch zz := any(&z).(type) {
case *count.Nonce:
_, _ = r.Read(zz[:])
case *count.VerifyKey:
_, _ = r.Read(zz[:])
}
return
}
var Context = []byte("Test")
func main() {
NumShares := uint8(2)
input := []bool{true,false,true, true}
argCount := len(os.Args[1:])
if argCount > 0 {
a,_ := strconv.Atoi(os.Args[1])
NumShares=uint8(a)
}
c, _ := count.New(NumShares, Context)
params := c.Params()
shares := params.Shares()
aggShares := make([]count.AggShare, shares)
for i := range aggShares {
aggShares[i] = c.AggregateInit()
}
for _, mi := range input {
nonce := fromReader[count.Nonce](rand.Reader)
verifyKey := fromReader[count.VerifyKey](rand.Reader)
randb := make([]byte, params.RandSize())
_, _ = io.ReadFull(rand.Reader, randb)
var pubShare count.PublicShare
var inputShares []count.InputShare
pubShare, inputShares, _ = c.Shard(mi, &nonce , randb)
var prepStates []*count.PrepState
var outboundPrepShares []count.PrepShare
for i := range shares {
state, share, _ := c.PrepInit(&verifyKey, &nonce, i, pubShare, inputShares[i])
prepStates = append(prepStates, state)
outboundPrepShares = append(outboundPrepShares, *share)
}
var prepMsg *count.PrepMessage
prepMsg, _ = c.PrepSharesToPrep(outboundPrepShares)
var outShare *count.OutShare
for i := range shares {
outShare,_ = c.PrepNext(prepStates[i], prepMsg)
c.AggregateUpdate(&aggShares[i], outShare)
}
}
numMeas := uint(len(input))
aggResult, _ := c.Unshard(aggShares, numMeas)
fmt.Printf("Inputs: %v\n\n", input)
fmt.Printf("Number of inputs: %d\n\n", numMeas)
fmt.Printf("Number of shares: %d\n\n", NumShares)
fmt.Printf("Aggregated Count %d\n\n", *aggResult)
for i := range shares {
fmt.Printf("Share %v\n", aggShares[i])
}
}
以及一个示例运行 [here]：
Inputs: [true false true true]
Number of inputs: 4
Number of shares: 4
Aggregated Count 3
Share {[[7227276485192055052]]}
Share {[[673113590378828220]]}
Share {[[14679250781088487564]]}
Share {[[14313847295054699691]]}
以下是求和示例：
PRIO3 for Verifiable Distributed Aggregation Functions for Summation with GoThe collection of aggregated data is one of the most profitable industries in computing, but how can we efficiently…asecuritysite.com
以及直方图：
PRIO3 for Verifiable Distributed Aggregation Functions for Histograms with GoThe collection of aggregated data is one of the most profitable industries in computing, but how can we efficiently…asecuritysite.com
参考文献
[1] Corrigan-Gibbs, H., & Boneh, D. (2017). Prio: Private, robust, and scalable computation of aggregate statistics. In 14th USENIX symposium on networked systems design and implementation (NSDI 17) (pp. 259–282).