多方合作计算应用中的实用隐私保护机制研究

Multiparty cooperative computation is a widely-used computing paradigm that receives an increasing amount of attention in recent years. Most existing privacy preserving schemes for multiparty cooperative computation often assume participants are honest or semi-honest, and use homomorphic encryptions to provide a uniform privacy protection. However, in some practical multiparty cooperative computation applications, participants may own a limited amount of resources, have different privacy requirements, and are self-interested or even malicious. Privacy preserving schemes described above fail to provide effective privacy protection in these cases. In this project, we deal with these difficult cases, and aim to design new practical privacy preserving mechanisms for multiparty cooperative computations.

多方合作计算是近年来一类使用越来越广泛的计算模式。传统的针对多方合作计算的隐私保护大多在假设参与方是诚实或者半诚实的条件下，使用同态加密来实现一个统一程度的保护。然而在一些实际的多方合作计算应用中，存在着诸如参与方资源受限、隐私需求不一、参与方自利甚者是恶意的情况。上述隐私保护机制无法在这些应用中完成计算并提供有效隐私保护。本项目针对上述难点进行研究，为多方合作计算应用设计新型实用的隐私保护机制。

项目针对多方合作计算场景中的隐私保护问题进行研究，研究工作主要围绕资源受限情况下的高效隐私保护研究、需求多样化下的个性化隐私保护研究、参与方自利情况下的激励兼容隐私保护研究以及存在恶意参与方的可靠隐私保护研究四项内容展开。针对以上内容，项目对四类解决资源受限问题的重要计算框架和系统即广域网流量去冗余系统、区块链支付通道系统、边缘计算框架和学习模型发布框架，设计了保护高效隐私保护方案；针对两类可量化的隐私框架即K-匿名以及e-差分隐私，分别设计了支持个性化隐私需求的保护方案；针对两类自私攻击者的攻击包括独立攻击和合作攻击进行了建模，并结合博弈和密码学给出相应的解决方案；针对五种重要多方合作计算场景包括广域网去重、5G通信网络信道估算、IoT信息管理系统、边缘计算以及社交网络数据挖掘中存在的参与者恶意攻击进行研究，设计了可证明安全的高效隐私保护方案。项目成功完成了申请书中的所有预期指标，研究成果形成获发表论文12篇，其中SCI/EI收录12篇，SCI检索7篇，属于CCF推荐会议/期刊11篇（包括A类4篇，B类6篇，C类1篇）；申请国家发明专利7项，公开7项，授权4项，专利转化1项。项目取得的理论和技术成果能够帮助多方合作计算协议更好地实际生产生活落地，有效保护人民群众的隐私和信息安全。