.png){kind=icon}
返回
Efficient Privacy-Preserving User Tracking From Threshold Multi-Party Private Set Intersection
.png){kind=icon}
PRE
AI
DOI：10.1109/tifs.2026.3705319.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网无处不在的感知能力通过识别至少出现在 $t$ 个分布式位置数据集中的用户，实现了大规模用户跟踪。然而，这些数据集在多个跟踪实体间的分布显著增加了敏感数据泄露的风险。为解决此问题，阈值多方私有集合交集（T-MPSI）提供了一种有前景的隐私保护解决方案。尽管关于T-MPSI的已知工作在安全性方面做出了宝贵贡献，但当前T-MPSI协议在用户跟踪的大规模部署中效率不足的问题日益凸显。核心挑战是在可接受的用户跟踪安全约束下开发高效的T-MPSI协议。我们首先设计了一种高性能的轻量级批量复制秘密共享私有成员测试协议。此外，我们开发了一种单轮安全聚合算法，基于复制秘密共享连接安全查询与安全比较。基于这些技术，我们提出了一个针对指定 $k$ -共谋模型的T-MPSI协议。该协议显著提升了安全查询效率，并确保安全比较的通信复杂度与参与方数量无关。我们对其安全性进行了形式化证明，并在局域网环境中进行了大量实验，结果表明，与最新协议相比，安全查询速度提升至少 $6\times $ ，安全比较速度提升 $3\times $ 。这些结果证实了所提协议在隐私保护用户跟踪中的实用性和高效性。
Keyword:
Data security
secure computation
threshold multi-party private set intersection
user tracking
Internet of Things
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
引用论文
.png){kind=icon}
分享收藏EFSC: Efficient and Forward-Secure Conditional Privacy-Preserving Scheme for Internet of Vehicles
PREAI
分享收藏NeuroAED: Towards Efficient Abnormal Event Detection in Visual Surveillance With Neuromorphic Vision SensorNeuroAED: 使用神经形态视觉传感器在视觉监视中实现有效的异常事件检测
OAAI
OAAI分享收藏
查看更多内容