이 논문은 저차원부터 고차원 집합까지 지원하는 일반 Lp 거리 기반의 확장 가능한 퍼지 PSI(Private Set Intersection) 프로토콜을 제안한다. 핵심 기법은 두 가지 효율적인 퍼지 매칭 프로토콜로, 첫째는 역할 반전 불투명 PRF(OPRF) 기반으로 기존 대비 대폭 낮은 오버헤드를 달성하고, 둘째는 짧은 입력에 특화된 맞춤형 불투명 전송(OT) 기반 기법이다. 저차원 집합에는 도메인 축소 최적화를 더한 이중 계층 해싱 프레임워크를 새로 제안해 지수적 오버헤드 항을 제거했다. 광범위한 평가 결과 기존 최신 연구(ASIACRYPT'25, CCS'25) 대비 실행 시간 최대 145배, 통신 비용 최대 20배 개선을 달성했다.
- •일반 Lp 거리 기반, 저·고차원 집합 모두 지원하는 확장 가능한 퍼지 PSI 프로토콜 제안
- •OPRF 기반 기법으로 기존 대비 대폭 낮은 오버헤드 달성
- •짧은 입력에 특화된 OT 기반 기법 구현
- •기존 최신 연구 대비 실행시간 최대 145배, 통신비용 최대 20배 개선
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Towards Scalable Fuzzy PSI via Efficient Fuzzy Matching
- 1.일반 L_p 거리 기반 확장형 퍼지 PSI 프로토콜 제시, 저·고차원 집합 모두 지원
- 2.역할반전 OPRF 기반 매칭으로 O(d log δ) 오버헤드 달성, 기존 O((log δ)^d) 대비 대폭 개선
- 3.ASIACRYPT'25·CCS'25 선행연구 대비 최대 145배 속도, 20배 통신량 개선을 달성
- 4.저차원 집합엔 이중 계층 해싱과 도메인 축소 최적화를 결합한 새 프레임워크 제안
왜 중요한가?
근접 매칭이 필요한 프라이버시 보존 데이터 매칭(생체정보·위치 유사도 검색 등)에서 기존 대비 수십~백배 수준의 성능 개선을 실증해, 실용적 배포 가능성을 크게 높인다.
본문 미리보기
arXiv:2608.11526v1 Announce Type: new Abstract: In this paper, we present scalable fuzzy PSI protocols for general $L_{p \in [1, \infty]}$ distance, supporting both low- and high-dimensional sets. The core technique is two efficient fuzzy matching protocols. The first is built from a role-reversed oblivious PRF (OPRF) and realizes $O(d\log \delta)$ overhead, compared to $O((\log \delta)^d)$ in previous works. The second leverages customized oblivious transfer (OT) with $O(d\ell)$ overhead, wher
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:23AI 초안



