Prio3：私有、稳健且可扩展的聚合统计与SNIP计算

Prio3：私有、稳健和可扩展的聚合统计量和 SNIP 计算

可验证的分布式聚合函数（VDAF）

收集聚合数据是计算领域最赚钱的行业之一，但我们如何在不侵犯用户隐私的情况下高效地收集数据？嗯，多方分布式聚合协议（DAP）是一个答案，而 PRIO3 方法是目前最好的方法之一。

虽然安全措施已应用于静态数据和空中传输数据，但我们通常仍然对明文数据进行计算。这引发了很多问题，尤其是处理器可以确定 PII（个人身份信息）和诸如秘密加密密钥之类的信息。一种方法是使用 MPC（多方计算），我们可以将计算分解成更小的块，并让每个参与方分享计算。其中一个最好的应用是以隐私感知的方式收集统计信息。

例如，移动电话制造商可能想要确定其电话所有者的性别比例，但实际上并不透露任何特定的人。为此，每个客户端设备为其性别创建一个 SNIP（秘密共享的非交互式证明）。在 PRIO3 中，这是一个快速高效的零知识证明。然后，服务器可以接收这些 SNIP，并检查其有效性。检查完毕后，他们可以更新其本地累加器，以进行当前的统计信息聚合。然后，当我们想要从客户端设备中揭示性别比例时，他们可以发布其聚合总数：

总的来说，由于创建了其性别的零知识证明，因此没有一个服务器可以确定客户端是男性还是女性；但是，我们仍然可以计算总数。使用 PRIO3，没有一个服务器可以查看明文数据，并且基于经典论文 [ 这里][1]：

PRIO3 的实现可以被普遍地看作是用于隐私测量的多方分布式聚合协议（DAP）的一部分，并且目前正在 IETF 进行标准化 [ 这里]:

我们将使用 PRIO3 为布尔值（计数）创建多个共享，然后将数据聚合回去。核心分析是对某事物为 True 还是 False 的基本计数，数据集为 {true, false, true, true}，并将计算 true 值的数量 [ 这里]：

package main

import (
 "fmt"
 "crypto/rand"
 "os"
 "io"
 "strconv"
 "github.com/cloudflare/circl/vdaf/prio3/count"

)

func fromReader[T any](r io.Reader) (z T) {

 switch zz := any(&z).(type) {
 case *count.Nonce:
  _, _ = r.Read(zz[:])
 case *count.VerifyKey:
  _, _ = r.Read(zz[:])

 }

 return
}

var Context = []byte("Test")

func main() {
 NumShares := uint8(2)

 input := []bool{true,false,true, true}

 argCount := len(os.Args[1:])

 if argCount > 0 {
  a,_ := strconv.Atoi(os.Args[1])
  NumShares=uint8(a)
 }

 c, _ := count.New(NumShares, Context)

 params := c.Params()
 shares := params.Shares()

 aggShares := make([]count.AggShare, shares)
 for i := range aggShares {
  aggShares[i] = c.AggregateInit()
 }

 for _, mi := range input {
  nonce := fromReader[count.Nonce](rand.Reader)
  verifyKey := fromReader[count.VerifyKey](rand.Reader)

  randb := make([]byte, params.RandSize())
  _, _ = io.ReadFull(rand.Reader, randb)

  var pubShare count.PublicShare
  var inputShares []count.InputShare
  pubShare, inputShares, _ = c.Shard(mi, &nonce , randb)

  var prepStates []*count.PrepState
  var outboundPrepShares []count.PrepShare
  for i := range shares {
   state, share, _ := c.PrepInit(&verifyKey, &nonce, i, pubShare, inputShares[i])

   prepStates = append(prepStates, state)
   outboundPrepShares = append(outboundPrepShares, *share)
  }

  var prepMsg *count.PrepMessage
  prepMsg, _ = c.PrepSharesToPrep(outboundPrepShares)

  var outShare *count.OutShare
  for i := range shares {
   outShare,_ = c.PrepNext(prepStates[i], prepMsg)
   c.AggregateUpdate(&aggShares[i], outShare)

  }

 }

 numMeas := uint(len(input))
 aggResult, _ := c.Unshard(aggShares, numMeas)

 fmt.Printf("Inputs: %v\n\n", input)

 fmt.Printf("Number of inputs: %d\n\n", numMeas)
 fmt.Printf("Number of shares: %d\n\n", NumShares)
 fmt.Printf("Aggregated Count %d\n\n", *aggResult)

 for i := range shares {
  fmt.Printf("Share %v\n", aggShares[i])

 }
}

以及一个示例运行 [ 这里]：

Inputs: [true false true true]

Number of inputs: 4

Number of shares: 4

Aggregated Count 3

Share {[[7227276485192055052]]}
Share {[[673113590378828220]]}
Share {[[14679250781088487564]]}
Share {[[14313847295054699691]]}

求和的例子在这里：

用于使用 Go 进行求和的可验证分布式聚合函数的 PRIO3

以及一个直方图：

用于使用 Go 制作直方图的可验证分布式聚合函数的 PRIO3

参考

[1] Corrigan-Gibbs, H., & Boneh, D. (2017). Prio: Private, robust, and scalable computation of aggregate statistics. In 14th USENIX symposium on networked systems design and implementation (NSDI 17) (pp. 259–282).

• 原文链接： billatnapier.medium.com/...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～