30、社交网络数据加密与布隆过滤器编码的安全分析

社交网络数据加密与布隆过滤器编码的安全分析

在当今数字化时代，数据共享和隐私保护之间的平衡成为了一个关键问题。特别是在记录链接（record linkage）领域，既要整合数据以满足各种社会和法律需求，又要确保个人隐私不被泄露。本文将深入探讨布隆过滤器编码（Bloom Filter Encoding，BFE）在私有记录链接（Private Record Linkage，PRL）中的应用，以及一种基于约束满足的新型攻击方法。

1. 引言

组织之间共享数据以支持从国土安全到生物医学研究等广泛领域的工作，这既有社会需求，也有法律要求。然而，随着世界的日益分散化，个人信息存储在不同的独立组织中。为了确保准确的数据分析，需要应用记录链接技术来整合对应于同一人的信息。传统的记录链接技术通常基于显式标识符，如姓名和社会安全号码，但共享这些信息可能会危及个人隐私。

为了缓解这一风险，各种私有记录链接（PRL）协议应运而生，以在不泄露个人身份的情况下实现数据整合。基于安全多方计算（Secure Multi-Party Computation，SMC）的协议虽然可以实现记录之间的相似性测试，但计算成本高，不适合大规模数据集的整合。近年来，基于布隆过滤器编码（BFE）的PRL协议在医疗等领域得到了广泛应用，因为它能在合理的时间内产生高度准确的记录链接结果。然而，目前还没有对这种新兴模型进行正式的安全分析。

本文的主要贡献包括：
- 频率感知约束满足模型 ：将对BFE协议的攻击构建为一个约束满足问题（Constraint Satisfaction Problem，CSP），并将频率分析集成到CSP的构建中，以降低复杂性。
-