论文学习记录20200320：隐私保护机器学习[NDSS2020]

Trident: Efficient 4PC Framework for Privacy Preserving Machine Learning
这篇论文和上周那篇极其相似。

4PC设置背后的动机是，在给予额外诚实方的情况下，研究3PC设置中现有解决方案在理论和实践上的性能改进。结果表明，与3PC相比，拥有一个额外的诚实方可以实现更简洁更高效的协议。 举例来说，在4PC中进行操作消除了对昂贵的乘法三元组的需要，并使能够以与两个向量的大小无关的成本执行点积运算
由于框架中的第四方不必在整个在线阶段都处于在线状态，因此可以在大多数在线阶段关闭服务器。 鉴于这一事实，即聘用4台服务器来运行我们的框架以进行算法的训练或预测阶段的总成本，领先于ABY3，主要是因为服务器中的服务器总运行时间 框架要低得多

提出了一个框架——trident，与现有的替代方案相比，该框架面向高吞吐量的在线阶段。这个吞吐量是通过利用额外的诚实方实现的。

提出的截断协议的亮点是，它可以与我们的乘法协议相结合，在线阶段没有额外的开销。相比之下，ABY3中乘法的在线成本从9个环增加到了12个环，这使我们在线通信的速度提高了4倍。

这是一个秘密共享，和上一篇用了一样的秘密共享原语，但是这个是四方的，所以不一样，这个由于加了一个诚实的第四方，所以看起来更简单简洁。

论文中的这一段解释已经足够了。

可以看出，乘法中，p0只在离线阶段作为验证作用存在，在在线阶段并没有出现。
数量积相当于多个乘法，所以沿袭了乘法协议的优点。

各种转换，l表示底层环，k是计算安全性参数，可以看出，无论是轮数复杂度还是通信开销都比ABY3有了改善。

blaze方案是将ABY3的（r，rd）生成方法进行了改变。
trident是将ABY3中的布尔电路去掉，在线阶段有较少的昂贵电路。