중국 연구진(중국과학원 소프트웨어연구소 등)이 룩업 테이블 연산에서 온라인 계산 복잡도를 줄이는 새로운 사설함수평가(PFE) 기법 '전처리 사설함수평가(PPFE)'를 제안했다. 사설함수평가는 함수와 입력값을 모두 비공개로 유지하면서 안전하게 계산을 수행하는 기법으로, 프라이버시 보호형 의료 시스템이나 신용조회 등에 활용된다. 기존 PFE 기법은 단순한 룩업 테이블 처리에서도 비효율적이었으나, 이번 연구는 전처리 기법을 활용해 온라인 연산 단계에서 준선형(sublinear) 복잡도를 달성했다. 크기 2^24 룩업 테이블에서 단일 쿼리 처리에 약 3밀리초가 소요돼 기존 대비 10배 이상 성능이 개선됐으며, 수천 건의 적응형 쿼리도 효과적으로 처리하는 확장성을 보였다. 이 연구는 ACM CCS 2026에 게재됐다.
- •사설함수평가(PFE)의 새 변형 'PPFE(전처리 사설함수평가)' 제안
- •룩업 테이블 연산에서 온라인 계산 단계 준선형(sublinear) 복잡도 달성
- •크기 2^24 룩업 테이블에서 단일 쿼리 처리 시간 약 3밀리초, 기존 대비 10배 이상 개선
- •수천 건의 적응형 쿼리도 효과적으로 처리하는 확장성 확인
- •프라이버시 보호 의료·신용조회 등 분야 응용 가능성, ACM CCS 2026 게재
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.
Preprocessed Private Function Evaluation: Achieving Sublinear Online Complexity for Lookup Tables
- 1.사적 함수 평가(PFE) 기술
- 2.입력/함수 기밀성 유지
- 3.온라인 복잡도 하위 선형 달성
왜 중요한가?
PFE는 개인 정보 보호를 강화하면서도 데이터 기반 서비스를 가능하게 하는 핵심 기술로, 민감한 정보를 다루는 블록체인 및 AI 애플리케이션의 보안과 효율성을 크게 향상시킬 수 있습니다.
프라이빗 함수 평가(PFE) 기술은 데이터 주권과 개인 정보 보호가 강조되는 국내 상황에서 블록체인 기반의 데이터 활용 시 매우 중요합니다. 특히 한국은 데이터 3법 개정 이후 개인 정보 활용과 보호의 균형을 모색하고 있어, 이 기술은 규제 준수와 혁신적인 서비스 개발을 동시에 가능하게 할 잠재력이 큽니다. 의료, 금융 등 민감한 데이터 처리 분야에서 국내 기업들이 경쟁력을 확보하는 데 기여할 수 있습니다.
본문 미리보기
Private Function Evaluation (PFE) facilitates the secure computation of private functions on private inputs in an oblivious manner, ensuring that both the function and the inputs remain confidential throughout the entire computational process. PFE has garnered significant attention due to its critical applications in various domains, such as privacy-preserving healthcare systems and privacy-preserving credit checks, where safeguarding the confidentiality of the function itself is of paramount im
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:34AI 초안
