Wuli LQueen
码龄8年
求更新 关注
提问 私信
  • 博客:6,469
    社区:1
    动态:2
    6,472
    总访问量
  • 4
    原创
  • 18
    粉丝
  • 34
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:山西省
加入CSDN时间: 2018-10-31

个人简介:在隐私计算之路上稳步前进。

博客简介:

qq_43569221的博客

查看详细资料
个人成就
  • 获得7次点赞
  • 内容获得9次评论
  • 获得15次收藏
  • 博客总排名1,850,939名
创作历程
  • 4篇
    2023年
成就勋章
TA的专栏
  • C++
  • 安全多方计算
    4篇

TA关注的专栏 2

TA关注的收藏夹 0

TA关注的社区 2

TA参与的活动 0

兴趣领域 设置
  • Python
    python
  • 网络空间安全
    密码学
创作活动更多

1024 程序员节 · 高效创作之道活动征文

1024 程序员节来啦!今年我们邀请你用创作记录高效之道——**写一篇博文,分享你的创作经验、效率技巧或技术干货**,就有机会获得专属好礼。 **特别玩法**: - 🏆 一二三等奖不限方向,自由创作与墨衍相关创作均可参评——自由创作方向获奖者拿**卫衣/马克杯/流量券** - ✨ 如果你在创作中体验了**墨衍**(AI 创作、多平台同步、GEO 检测)并写下真实体验,你的投稿将进入**「墨衍专属创作奖」独立评审赛道**——按墨衍结合深度等专属标准**优中选优**,再拿 7 天体验卡! - 🎁 一二三等奖中的墨衍方向获奖者,同步获得墨衍 7 天体验卡! 创作方向 ### 🚀 墨衍相关创作(推荐 · 专属奖独立评审赛道) - **墨衍使用体验**:AI 创作 / 多平台同步 / GEO 检测的真实体验复盘 - **墨衍场景教程**:选题 → AI 写文 → 多平台同步 → GEO 优化一站式实操 - **墨衍 × 多平台分发**:一次创作多平台发布的效率对比与数据复盘 - **墨衍 × 1024 案例**:用墨衍辅助完成一篇 1024 主题文章的完整过程 > 投稿即进入「墨衍专属创作奖」独立评审赛道(10 名 · 7 天体验卡),不与一二三等奖合并评选,优中选优! ### ✍️ 自由创作(不限题材) 技术干货、职业成长、行业观察、程序人生……符合社区规范即可。

1449人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

不经意传输(OT)协议 - Mike Rosulek教授课堂笔记

OT扩展协议-IKNP
原创
博文更新于 2023.07.04 ·
1845 阅读 ·
4 点赞 ·
1 评论 ·
3 收藏

Efficient Batched Oblivious PRF with Applications to Private Set Intersection

该论文描述了一个轻量级协议,用于半诚实对手存在的情况下对伪随机函数(OPRF)进行不经意评估。该协议使用了一种新颖的OTE协议,在用于生成大量OPRF实例时特别高效。该协议的OPRF可以用来消除PSI协议对各方项目的位长的依赖。该论文实现了PSI协议的两种变体,并对128位字符串和足够大的集合的PSI,提高了计算效率。只需要3.8秒就可以安全地计算出220个大小集合的交集,而不考虑条目的位长。对于非常大的集合,该协议只比不安全的naive哈希慢4.3倍。
原创
博文更新于 2023.07.04 ·
563 阅读 ·
0 点赞 ·
1 评论 ·
2 收藏

隐私集合求交PSI简述--学习笔记

随着互联网大数据时代的到来,人们通过对大量分布数据进行挖掘发现其潜在价值,从而更好的服务于人们,如用户爱好推荐系统、广告精准营销等。但是在挖掘数据潜在价值的过程中,经常会有隐私数据泄露、信息滥用等问题的发生。因此,实现数据可用不可见变得迫在眉睫。隐私数据保护最早源于安全多方计算,由姚期智院士借百万富翁问题提出。安全多方计算技术是一种密码原语,在解决数据可控共享问题和保证数据信息安全方面有着天然的优势。
原创
博文更新于 2023.05.18 ·
2336 阅读 ·
2 点赞 ·
1 评论 ·
9 收藏

新型应用场景下的PSI协议

基于云计算环境下的隐私保护技术,它旨在保护集合参与者的隐私,同时在云端计算中高效地计算出集合的交集。其主要的构造思想是集合的持有者对其集合进行同态加密或使用差分隐私等技术来保护其隐私。将处理后的集合数据上传到云计算服务提供商。云计算服务提供商使用多方计算协议来计算两个集合的交集,并返回结果给参与者。最后,参与者可以解密计算结果,以获得最终的交集结果,同时保护了他们的隐私。基于云服务器的PSI可以减少参与者之间的通信量和计算量,因此在一些大规模的数据集合交集场景下具有较好的效果。
原创
博文更新于 2023.05.18 ·
869 阅读 ·
1 点赞 ·
1 评论 ·
0 收藏