隐语第六课：隐匿查询PIR及其开发实践

不过如此0601

已于 2024-04-08 09:47:17 修改

阅读量1.6k

点赞数 9

分类专栏：隐私计算文章标签：数据库学习可信计算技术密码学

于 2024-04-06 11:37:39 首次发布

本文链接：https://blog.csdn.net/weixin_41467180/article/details/137419865

版权

隐私计算专栏收录该内容

18 篇文章

订阅专栏

首先必须感谢蚂蚁集团及隐语社区带来的学习机会！

第六课也是由张磊和冯骏老师讲述，核心内容是隐语实现的PIR协议及其开发实践

隐匿查询PIR全称Private Information Retrieval，典型场景是用户需要在一个数据库服务器里查询一些数据，但是不希望服务器知晓查询的内容，保护查询者的隐私。

隐匿查询和不经意传输比较类似，但是差别在于：隐匿查询场景通常假设数据库是不用保密的（最简单的PIR实现方法就是把数据库下载到本地进行查询，当然一般由于数据库太大或者数据价值保护的原因不会这样做），而不经意传输是只能得到想要的那个数据，无法得到其他数据。

1、PIR协议的分类

（1）按服务器数量：

单服务器方案：通常是计算安全性，较为实用，研究的主流
多服务器方案：可以实现理论安全性，常使用秘密分享的思想来实现

（2）按查询类型分类：

基于索引的PIR（Index PIR）：查询方需要知道待查询的数据的“位置”，即index
基于关键字的PIR（Keyword PIR）：理解为（key，value）对，返回对应key的value值

2、基于索引的PIR协议

2.1 核心思想

利用同态加密可以比较简单地实现基于索引的PIR，假设数据库中有n个数据，你要想得到第i个数据，则通过同态加密算法（目前还不需要知道到底使用哪种算法）对长度为n的0和1组成的向量按分量分别进行加密，只有第i个位置上分量为1，其他的分量都为0。服务器收到加密的向量后，与数据库中的n个数据组成的向量进行内积计算，并返回给查询者密文结果。查询者解密这个密文就得到了对应的第i个数据。

正确性：根据内积计算和同态加密原理，密文结果只是保留了第i个数据，丢弃了其他数据；

隐私性：由于查询向量进行了同态加密，服务器不能知晓查询的到底是哪一个数据。

2.2 实现上的优化

主要问题：查询向量是n和密文组成的向量，同态加密的密文又比较长，这样造成查询请求发送时数据量太大！

优化方法：

（1）数据打包：服务器将多个数据打包成一个同态加密的明文数据HE Plaintext，原始查询的db_index转换为plaintext_index

（2）查询压缩：为了减少查询向量的通信量，将查询向量压缩成一个密文，服务器有相应的展开（expand）操作还原出查询密文向量

（3）多维查询：2维的查询将数据为 $n^{1/2}$ 维的矩阵，减少expand的计算量

（4）多个查询：使用Cuckoo哈希支持多个查询

（5）同态加密：使用BFV算法，使用SEAL算法库：https://github.com/microsoft/SEAL

文献出处：PIR with compressed queries and amortized query processing， SP 2018.

3、基于关键字的PIR协议

基于关键字的PIR实际上是利用Label PSI，把keyword对应的value作为Label PSI算法中的Label，keyword命中后得到对应的value值，如果没命中则返回随机值。

3.1 核心思想

Label PSI的核心思想就是插值多项式，具体地，利用一个匹配多项式来验证查询的keyword是否命中数据库中的某个keyword，如果命中则输出对应插值多项式的值，插值多项式满足对于keyword的输入，输出为对应的value值。原理如下：

3.2 实现上的优化

实际上为了提高效率会使用很多别的优化技巧：

（1）打包和SIMD技术：SIMD使得可以一次性发送多个数据加密后的密文给发送方

（2）窗口化方法：发送平方幂及高次幂服务器，以便于服务器更高效地计算同态密文。对数据进行分块，以避免计算的同态多项式的次数过高。

（3）Extremal postage stamp基

可以比窗口化方法进一步减少通信量。

（4）特定的乘法算法：Paterson-Stockmeyer 算法

文献出处：

（1）CLR17：Fast Private Set Intersection from Homomorphic Encryption 给出了使用全同态(Level Full Homorphic Encryption) 构造PSI的方法，并给出了优化方法。
（2）CHLR18：Labeled PSI from Fully Homomorphic Encryption with Malicious Security 中提出在预处理阶段使用不经意随机函数(OPRF)对原始数据进行安全加强。
（3）CMGD+21：Labeled PSI from Homomorphic Encryption with Reduced Computation and Communication给出了具体的参数优化方法，减少了在线阶段计算和通信量。