隐私保护：VaultDB: A Real-World Pilot of Secure Multi-Party Computation within a Clinical Research 笔记

VaultDB: A Real-World Pilot of Secure Multi-Party Computation within a Clinical Research Network

摘要

数据持有方：多方；
安全性：仅泄露最后的结果；
数据集：CAPriCORN - 13M病人，上百个参与方
结果：三个系统上效率和可扩展性高

1. 介绍

DUAS 规范了病人数据隐私性，数据共享的方法，以及其合法的用途。
以前的研究引入了 Honest Broker 或者 TTP 作为中介，不管收集各站点的数据是否加密，都引入了为危险。加密时，分析数据持有房和Broker之间的通信可能也会泄露势等信息。
隐私保护的分析 可以不需要 Honest Broker 或者 DUAS，引入安全计算使得输出的数据仅对数据拥有者可见。之前对去识别化的数据安全计算，现引入差分隐私 DP 和 近似查询处理 approximate query processing。

2. 设计和实现

VaultDB 隐私保护分析 隐私数据联合 Private Data Federation
工作流程：

1. VaultDB 把密码协议发送给数据持有方
2. 数据持有方发送查询结果的加密后的秘密份额给 VaultDB
3. VaultDB 集合份额，返回结果给分析方
   与传统的数据联合接口相同：输入SQL语句，返回查询结果

安全多方计算非常昂贵，图灵完备。
后端基于 EMP Toolkit 开发 （2016开始，动态维护）目标有两个：（1）方便研究者建立高效的密码学原型系统 （2）提供易用的密码学借口给开发者以实现隐私保护的应用

利用了 EMP 的两方半诚实的协议。用现有的算法相较于无隐私保护版会有量级的速度下降
安全查询的执行过程是不经意的，过程与输入无关，因此所有执行的时间 都要与最长的协调以免运行时间泄露信息。攻击单个参与方无用，侧信道攻击也无用。

c++；Linux；部署在防火墙后，对网络资源访问受限；工业标准加密产品；远程访问需要双重认证；

3. 试点研究设计&方法

两个目标：

1. 重复已有的一个 CRN研究的协议 通过 VaultDB
2. 为了把 VaultDB 的输入的规模扩大，扩展了研究的协议
   在一个已有的项目 CAPriCORN 上做的 （多方，人口和医务数据，大量病人数据）

两个群组（数据库？）：

1. 高血压的人
2. 高血压的病人和 血压测量高于 140/90

查询：

ENRICH研究从两个相关队列的ehr中获取人口统计学数据:1)已知患有高血压的个体(分母);2)被诊断为高血压的患者，并且最近在每个医疗站点的血压测量值大于140/90(分子)。它按年龄、性别、种族和民族对研究参与者进行了分层，并记录了多个位点的患者。这项研究只包括在门诊和没有住院的患者。如果一个人在研究期间死亡、最近怀孕、患有肾脏疾病、最近接受了肾移植或住院，则被排除在研究之外。如果一个患者符合一个研究点的排除标准，该方案要求排除他们的所有记录，即使他们在多个研究点被看到。

此处是 任意两个参与方 进行安全两方运算（如果采用其他协议，可能多方）

把排除的元祖用 Dummies 或者 数据占位符 ，满足不经意性
不经意聚合会对数据进行排序，把应聚合的元祖放到一起，然后线性（连贯）扫描一次做聚合
VaultDB 计算数据立方 不断对结果卷起（？）

优化

两种使得 VaultDB计算查询 更快适用于更大数据集的优化：

1. Multi-Site 使用 semi-join 技术，这是一种常见的关系数据库的优化
   数据持有方仅计算 共有病人的元祖（交集？），会添 dummy
   在计算的节点 计算完多个站点的数据立方体后，会加入一个 单点的聚合（从各方的数据中）
2. Batch 分批。相较于一次算完 分为更小的批次进行计算（如利用安全的哈希函数）
   分布式数据库系统原理（？）：查询更快，但是需要格外的安全计算来组装整合每批的结果
   递增地处理这些批次，就可以适用于大规模的数据，不然内存不够

：：
这文章真是很 划水，像我的论文。。。。。。