연구진은 신뢰할 수 있는 관리자 없이 여러 당사자가 집계 통계를 공개할 수 있게 하는 다자간 보안계산(MPC)과 차분 프라이버시(DP) 결합 기법에서 핵심 요소인 연속 노이즈 샘플링 프로토콜을 재검토했다. 이들은 널리 쓰이는 '샘플-후-스케일링' 구조의 취약점을 발견했는데, 산술 회로의 스케일링 연산이 노이즈를 공개적으로 알려진 희소한 값 집합에 가두어 공격자가 공개된 노이즈 쿼리를 관찰해 어떤 데이터셋에서 나왔는지 판별할 수 있음을 보였다. Orchard(OSDI'20)와 DP-BREM+(USENIX Sec'25) 두 시스템에 대한 실제 공격에서 실무에서 쓰이는 노이즈 스케일러 값 전 구간에서 거의 100%의 공격 성공률을 기록했다. 연구진은 이 취약점을 해결하기 위해 개별 편향 비트 단위의 이산 샘플링으로 전환하고 샘플러를 최적화해, 기존 보안 이산 샘플러 대비 4배에서 612배의 속도 향상을 이상적인 연속 메커니즘 대비 무시할 만한 효용 손실로 달성했다.
- •MPC+DP 결합의 핵심인 연속 노이즈 샘플링 프로토콜의 보안 취약점 발견
- •'샘플-후-스케일링' 구조가 노이즈를 희소 공개값 집합에 가두어 데이터셋 판별 가능케 함
- •Orchard, DP-BREM+ 두 시스템 공격에서 거의 100% 성공률 기록
- •개별 편향 비트 단위 이산 샘플링으로 전환해 보안·효율 문제 동시 해결
- •기존 보안 이산 샘플러 대비 4~612배 속도 향상, 효용 손실은 무시할 수준
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.
Revisiting Continuous Noise Sampling for Multi-Party Differential Privacy
- 1.MPC+차등프라이버시 결합시 쓰이는 '샘플앤스케일' 노이즈 생성 방식의 취약점 발견
- 2.스케일링 연산이 노이즈를 공개된 희소 집합으로 제한해 역추적이 가능함을 규명
- 3.Orchard(OSDI'20), DP-BREM+(USENIX Sec'25) 두 시스템에 공격 적용해 거의 100% 성공률 확인
- 4.비트 단위 이산 샘플링으로 전환해 기존 안전한 샘플러 대비 4~612배 속도 개선
왜 중요한가?
신뢰 큐레이터 없이 여러 기관이 통계를 공동 산출하는 MPC+DP 시스템의 핵심 프리미티브에 실사용 중인 결함을 발견하고, 보안성과 효율성을 동시에 개선한 대안을 제시해 실제 배포된 프라이버시 시스템의 즉각적 개선을 가능케 한다.
본문 미리보기
arXiv:2608.27766v1 Announce Type: new Abstract: Combining secure multi-party computation (MPC) with differential privacy (DP) enables multiple parties to release aggregate statistics without a trusted curator, and the core primitive is the protocol to sample noise from a continuous distribution under finite-precision arithmetic. In this paper, we revisit the continuous noise sampling protocols and present several improvements in both security and efficiency. We start by identifying a vulnerab
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
