Private Join and Compute(PJC)는 두 당사자가 매칭되는 레코드에 대해 집계를 계산하게 해주는 기법으로, 이 논문은 매칭 레코드의 내적을 계산하는 변형에 초점을 맞춰 프라이버시 보존 광고 전환 측정 등에 활용한다. 기존 PJC 프로토콜은 각 당사자가 전체 데이터셋을 보유한다고 가정해 데이터가 여러 소유자에 분산된 실제 상황을 다루지 못했는데, 이 연구는 통신량을 입력 크기에 대해 준선형으로 유지하면서 분산 입력 집합을 지원하는 효율적인 근사 PJC 프로토콜을 제안한다. 반정직 환경에서 담합하지 않는 두 서버를 이용하며, 괴델상 수상 기법인 AMS 스케치를 완전동형암호 하에서 효율적으로 계산하도록 재설계한 것이 핵심 기술 기여다. 최적화된 구현에서 클라이언트는 입력 원소 하나를 250KB 크기의 암호화된 스케치에 30ms만에 삽입할 수 있고, 서버는 몇 초 안에 최종 결과를 복원해 기존 범용 방식보다 수십 배 빠르다.
- •매칭 레코드의 내적을 계산하는 PJC 변형을 분산 입력 데이터셋 환경에 처음 확장
- •괴델상 수상 AMS 스케치를 완전동형암호 하에서 효율적으로 계산하도록 재설계
- •클라이언트는 원소 하나를 250KB 스케치에 30ms만에 삽입 가능
- •서버는 몇 초 내 최종 결과 복원, 기존 범용 방식보다 수십 배 빠른 성능
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.
Communication-Efficient Private Join and Compute over Distributed Input Sets
- 1.여러 데이터 소유자에 분산된 입력셋을 지원하는 효율적 근사 Private Join and Compute(PJC) 프로토콜 제안
- 2.기존 PJC는 각 당사가 전체 데이터셋을 보유한다고 가정해 분산 환경에서는 적용이 어려움을 지적
- 3.간이합 암호화 하에서 효율적으로 동작하도록 AMS 스케치를 재설계해 목플리케이션 깃수 3단계로 구조화된 임의성 생성
- 4.클라이언트 입력 1개를 30ms에 암호화해 250KB 크기로 삽입, 서버는 기존 일반 방법보다 수년이 아닌 수초 만에 결과 복구
왜 중요한가?
여러 곳에 흩어진 프라이버시 보호 데이터셋 간 광고 전환 측정처럼 실제로는 데이터가 분산돼 있는 상황을 처음으로 지원해, 개인정보 노출 없이 다자간 집계 분석을 실용적 속도로 가능하게 한다.
이 연구는 분산된 개인 데이터셋에서 통계적 집계를 효율적으로 계산하는 PJC(Private Join and Compute) 기술의 통신 효율성을 개선합니다. 마이데이터 사업 활성화와 데이터 3법 개정 이후 안전한 데이터 활용이 강조되는 국내에서, 본 기술은 금융, 헬스케어 등 민감 정보를 다루는 산업의 프라이버시 보호 협업 모델 구현에 실질적인 기여를 할 수 있습니다.
본문 미리보기
Private Join and Compute (PJC) enables two parties to compute aggregates over matching records from their private datasets. In this work, we focus on the inner-product variant of PJC, which computes the inner product over matching records from their private datasets. It has important applications such as privacy-preserving ad conversion measurement. However, existing PJC protocols assume each party holds the entire dataset, which is often unrealistic in practice, where relevant datasets are dist
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
