本作品知识产权由山东大学所有，由李增鹏导师带领ABY团队共同完成，团队成员包括韦肖扬、倪晓晗和倪佳蔚。
位置服务应用提供商要求用户提交精准的位置信息来获取较好的用户体验。然而，用户在获取极大便利的同时也将位置信息完全脱管，易被恶意应用服务提供商追踪。如何在享受位置服务提供便利的同时消除位置信息泄漏的隐患已引起各界普遍关注，其底层所依赖的关键密码协议如隐私保护位置计算与近邻检测更成为了业界和学界关注的焦点。在位置保护与位置服务的双重需求驱动下，课题综合位置隐私、交互轮次、通讯开销、后量子安全等影响因素，使用（全）同态加密、布隆过滤器等隐私增强等技术，开展了面向位置保护的隐私保护距离计算与近邻检测的研究，实现了低交互、低延迟、后量子安全的目标。该课题的开展，能够丰富面向位置保护的隐私距离计算与近邻检测协议的理论和技术，为基于隐私距离计算与近邻检测的位置服务应用提供技术参考，如地图、外卖及网约车等应用软件。
-
基于DGK的单边检测PPPT协议
- dgk/build/main
-
基于ABY框架的单边检测PPPT协议
- (纯)混淆电路
- aby/build/circ_y
- 混合电路
- aby/build/circ_ay
- (纯)混淆电路
-
基于BFV全同态加密算法的单边检测PPPT协议
- bfv/build/client
- bfv/build/server
- bfv/build/non-interactive-demo
-
基于ABY框架的多边检测PPPT协议
- (纯)混淆电路
- aby/build/poly_y
- 混合电路
- aby/build/poly_ay
- (纯)混淆电路
注：本作品所有可执行文件需在Linux系统下执行
本文提供的面向位置保护的近邻检测协议目前主要致力于解决传统近邻检测方法泄露用户位置信息、危及用户隐私的问题。以疫情防控背景下密切接触者追踪问题为例：一方面，距离计算方可以在不泄露用户位置信息的前提下，借助数字化移动设备实现对大规模密切接触者的准确追踪，以达到迅速部署社交隔离措施、减少疫情蔓延等目的；另一方面，对于提供位置信息的用户而言，匿名化、去中心化技术对数据进行去标识化处理，使相关数据无法指向一个已识别到的或可被识别的自然人，进而确保向计算方提供位置信息的安全性。通过这一技术的广泛使用和部署，我们可以实现更高效的疫情信息同步，从而达到精准防控、常态化防控的目的，在推进生产生活秩序全面恢复的同时又切实保护公民的隐私。在国内外疫情形势严峻的背景下，该技术在解决密切接触者追踪问题的同时关注用户隐私数据泄露的痛点，具有较好的面向位置保护的隐私距离计算功能，拥有广阔的海内外市场。