面向大规模数据的安全多方计算协议的设计

摘要

随着云计算、物联网和社交网络等新兴技术的不断发展，互联网环境中产生的数据量出现了爆炸式增长，大数据中蕴含着巨大的价值，是一笔宝贵财富，因此如何挖掘大数据中的信息已成为学术界和工业界甚至世界各国政府关注的热点。但是，大数据的快速发展也对传统的个人隐私问题造成了巨大的冲击，安全多方计算问题是人们公认的关键问题之一。而在目前的网络环境中，保护用户数据的隐私安全是一项基本要求，安全多方计算（Secure Multi-Party Computation，SMC）正是在这样的背景下引起了国内外研究学者的广泛关注。
　　在大规模数据环境中，安全多方计算问题融合了密码学和分布式计算技术，是信息安全领域的一个重要研究方向。1982年，图灵奖得主姚期智（A.C.Yao）首先提出安全多方计算问题，并给出其定义。因为安全多方计算问题可以解决很多实际问题，很快便得到世界各地研究学者的广泛关注，且有着广泛的应用场景，比如可以解决机器学习、数据挖掘、DNA序列检测、科学计算和统计分析等诸多计算问题。
　　虽然现在已经有不少研究成果出现，但是在安全多方计算相关的领域还有很多值得继续深入研究的内容。本文在已有研究成果的基础上继续深入研究，主要工作和成果主要体现在以下几个方面：
　　1、大规模数据与安全多方计算的相关综述研究：主要包括大规模数据隐私保护综述研究、面向大规模数据的安全多方计算问题的综述问题、安全多方计算协议与密码学的关系以及安全多方计算的研究现状等。
　　2、基于余弦相似性的安全多方计算协议的设计：余弦相似性作为处理高维数据的相似度函数得到了广泛的应用，是一种重要的相似性测量方法。将余弦相似性与大规模数据集的计算相结合，设计一种高效的安全多方计算协议，该安全多方计算协议可以用于隐私保护场景下的科学计算问题，如关键字匹配、相似性分析及DNA序列查询等，最后我们给出了该算法的安全性分析。
　　3、基于同态加密的安全多方计算协议的设计：首先给出全同态加密的分析，给出基本的算法，然后基于向量同态加密提出一种高效率及安全性更好的安全多方计算协议。该安全多方计算协议可以用于加密数据场景下的科学计算问题，比如疾病预测、向量集合隐私比较及加密数据统计分析等。整个包括算法的设计、分析及性能评估。
　　4、基于隐私保护交集计算的安全多方计算协议的设计：首先分析隐私保护交集计算协议的研究背景，分析其实际的运用意义，然后基于隐私保护交集计算提出一种安全多方计算协议。该安全多方计算协议可以用于隐私保护场景下的交集计算，比如基于位置的服务、社交网络、人类基因组的完全测试及协同的僵尸网络监测等。整个包括协议的设计、分析以及性能评估。

目录

声明

第一章 绪论

1.1研究背景和意义

1.2 安全多方计算与密码学的关系

1.3 安全多方计算的研究现状

1.4 本文的主要研究工作

1.5 本文的内容安排

1.6 本章小结

第二章 安全多方计算相关介绍

2.1 安全多方计算概念

2.2 安全多方计算的安全性定义

2.3 安全多方计算的密码学基础

2.4 本章小结

第三章 基于余弦相似性的安全多方计算协议

3.1 余弦相似性相关介绍

3.2 基本协议描述

3.3 可验证的安全多方计算协议

3.4 效率分析

3.5 本章小结

第四章 基于同态加密的安全多方计算协议

4.1 全同态加密

4.2 向量同态加密相关介绍

4.3 协议设计

4.4 协议的应用

4.5 本章小结

第五章 基于隐私集合交集计算的安全多方计算协议

5.1 隐私集合交集计算

5.2 布隆过滤器

5.3 基于隐私集合交集计算的安全多方计算协议

5.4 安全性分析

5.5 效率分析

5.6 本章小结

第六章 总结与展望

6.1 本文的工作总结

6.2 后续研究工作

致谢

参考文献

攻读硕士期间取得的主要研究成果