OPRF

在PSI中经常用到OPRF技术,现在系统学习一下。

PRF#

Pseudo Random Function,伪随机函数,主要就是用来产生为伪随机数的。

伪随机数#

什么伪随机数?
伪随机数是用确定性的算法计算出来自[0,1]均匀分布的随机数序列。并不真正的随机,但具有类似于随机数的统计特征,如均匀性、独立性等。C语言中的random()函数产生的随机数就是伪随机数,即假的随机数,因为每次运行生成的随机数都是一样的,所以实现生成随机数时需要种子不一样。

原理#

PRF 是一个确定性的函数,记为F
我们称F是定义在k,X,Y上的 PRF,其中 k 是密钥空间,X 是输入空间,Y 是输出空间。
它有两个输入,一个是密钥 k,另一个是数据块 xX(称作输入数据块)。它的输出y=F(k,x)Y 也是一个数据块(称作输出数据块)。

对于 PRF,其安全性要求:给定一个随机产生的密钥 k,函数F(k,.)应该看上去“像”是一个定义在 XY 上的随机函数。

随机函数#

给定集合XY,定义在XY上的映射fXY
首先把所有定义在XY上的映射集中起来,形成一个集合。这个集合里的每个元素都是一个类似f这样的映射(函数),它们的定义域都是X,值域是Y
这个集合记为Funs[X,Y],它就是定义在XY上的所有函数的集合。

很明显,这个集合里一共有|Y||X|个函数,非常大!
现在,从Funs[X,Y]随机选择一个函数。这个函数就是“随机函数”。

需要注意的是,所谓的“随机函数”强调的是这个函数是随机地被选择出来的。因此,“随机函数”这个概念和函数的输出是否是随机的没有关系。即使一个函数的输出不是随机的,但只要它被选出的时候是随机选择的,那么它就是“随机函数”。理解这一点非常重要!

实现#

OPRF#

Oblivious Pseudorandom Function,不经意伪随机函数。

功能#


假设Alice有一些输入,Bob有一个key。OPRF允许Alice将自己的输入与Bob的key结合经过一系列运算转变成相对应的数。
在这个过程中,Alice不能知道Bob的key,Bob也不知道最后的结果F(key,x)。每一个输入xi都可以计算出一个不同于其他输入的数,这些数就可以被看作伪随机数

这里可以看出,里面用到了PRF,那么原理具体怎么实现呢?

原理#

OPRF的实现原理有多种方法,下面介绍几种。

基于DH的OPRF#

参考:Fast secure computation of set intersection.

基于DH的OPRF是计算Fα(x)=H(H(x)α),其中H是一个在Zq上的hash函数,可以看作是一个喻言机。具体来说,G是一个q阶循环群,其中One-More-Gap-Diffie-Hellman(OMGDH)问题是困难的。

在Labeled PSI from Fully Homomorphic Encryption with Malicious Security 中使用的OPRF是这样的:



在Labeled PSI from Homomorphic Encryption with Reduced Computation and Communication 中使用OPRF:



那么就有疑问了:
(1)如何将item 插入到椭圆曲线上的点?
(2)如何从椭圆曲线上的点中提取OPRF(k,x)
下面给出一种简单的方法:
image

该思想来自:Fast Secure Computation of Set Intersection

基于OT的OPRF#

参考:隐私集合求交(PSI)-两方
image

基于RSA的OPRF#

出自paper:DupLESS: Server-Aided Encryption for Deduplicated Storage∗

image

其中,e是公开参数,密钥生成器输入e,输出N,d,且满足ed=1(modϕ(N))N是两个大小近似素数的乘积,且N<e。公钥是N,私钥是(N,d)
x=h.re , y=xd=(h.re)d=hd.r
z=y.r1=(hd.r).r1=hd
ze=(hd)e=h,最后输出G(z)
这里的OPRF体现在:EvC在不知道d的情况下获得z=hd=H(M)d,且EvS也不知道z

PPRF#

image
其中,P是一个点集(K-V对)

OPPRF#

Oblivious Programmable Pseudo-Random Function,可编程的不经意伪随机函数。
参考:隐私集合求交(PSI)-多方
image
image

参考#

1、现代密码学3.5--伪随机函数/PRF
2、【现代密码学入门】24. 伪随机函数(PRF)(1)

作者:Hang Shao

出处:https://www.cnblogs.com/pam-sh/p/16216240.html

版权:本作品采用「知识共享」许可协议进行许可。

声明:欢迎交流! 原文链接 ,如有问题,可邮件(mir_soh@163.com)咨询.

posted @   PamShao  阅读(5778)  评论(2编辑  收藏  举报
相关博文:
阅读排行:
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· .NET10 - 预览版1新功能体验(一)
点击右上角即可分享
微信分享提示
more_horiz
keyboard_arrow_up dark_mode palette
选择主题
menu