.png){kind=icon}
返回
Efficient Collaborative Data Cleaning Using Private Set Intersection and Encoding for Unbalanced Datasets
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3594871.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据清洗通过检测、定位和修复“脏”数据来提升质量和一致性，同时不泄露敏感信息。协作式数据清洗（CDC）采用分布式模型，以避免集中式系统中的单点故障和信任问题，尽管这会增加额外的通信开销。Blass等人（S&P’23）首次通过平衡的私有集合交集（PSI）实现了CDC。非平衡PSI（如uPSI-CA，USENIX’23）未解决数据集中交集的定位问题，因此无法直接应用于CDC。基于uPSI的数据清洗尚未得到充分探索。本文提出了一种针对非平衡数据集的高效CDC方案，命名为uECDC。uECDC采用 oblivious key-value 存储进行切片匹配，实现了：1）离线阶段运行时间减少18%至85%；2）在线阶段运行时间减少8%至43%（在服务器端大规模数据设置下），相较于uPSI-CA的切片链接方法。此外，我们对服务器端数据进行编码，以快速定位非平衡设置下的交集数据。在半诚实敌手模型下，uECDC可被证明是安全的。Python和C++的实现表明uECDC在实践上是可行的。
Keyword:
Collaborative data cleaning
private set intersection
oblivious key-value stores
unbalanced dataset
privacy protection
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
引用论文
Achieving Privacy-Friendly Storage and Secure Statistics for Smart Meter Data on Outsourced Clouds
PREAI
分享收藏When private set intersection meets big data.png)
Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13
OAAI
Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13IF0
OAAI分享收藏分享收藏
查看更多内容