当前位置：首页 > news >正文

PIR、PSI、OT…傻傻分不清？一文讲透隐私计算中几个易混淆的“查询”协议

news 2026/6/10 17:34:53

PIR、PSI、OT：隐私计算三大协议的核心差异与选型指南

在跨机构数据协作项目中，隐私计算技术正成为平衡数据价值与隐私保护的关键工具。当技术团队面对PIR（隐私信息检索）、PSI（隐私集合求交）和OT（不经意传输）这三个都能实现"隐私查询"却各有所长的协议时，如何根据具体业务场景做出精准选择？本文将深入解析三者的技术边界，提供可落地的选型框架。

1. 协议本质：从技术原理看核心差异

1.1 隐私信息检索（PIR）的独特价值

PIR解决的是查询位置隐私问题——允许用户从数据库中检索特定条目，而数据库无法知晓用户查询了哪条记录。其核心特征包括：

单边保护：仅保护查询方隐私，不保护数据库内容

通信优化：重点解决"全量下载"的低效问题，典型方案如：

# 基于同态加密的PIR简化流程 def pir_query(query_index, database): # 生成同态加密密钥对 pk, sk = generate_homomorphic_keys() # 构造查询向量（仅目标位置为加密1，其余为加密0） query_vector = [encrypt(pk, 0)] * len(database) query_vector[query_index] = encrypt(pk, 1) # 数据库计算内积 result = sum([db_item * q_item for db_item, q_item in zip(database, query_vector)]) return decrypt(sk, result) # 只有查询方能解密结果

适用场景：医药数据库查询、专利检索等需要隐藏查询意图的领域

1.2 隐私集合求交（PSI）的双向保护

PSI实现的是双方集合的交集计算，且不泄露交集外的任何信息。其技术特点表现为：

双向隐私：参与方的原始集合数据均得到保护
结果导向：输出明确的交集结果，而非单个查询值
性能对比：
指标基于RSA的PSI 基于OT的PSI 基于布隆过滤器的PSI
计算复杂度 O(n) O(n log n) O(n)
通信开销中等较低较高
支持集合大小千万级百万级十亿级

指标	基于RSA的PSI	基于OT的PSI	基于布隆过滤器的PSI
计算复杂度	O(n)	O(n log n)	O(n)
通信开销	中等	较低	较高
支持集合大小	千万级	百万级	十亿级

选型提示：金融行业的黑名单比对通常选择基于OT的PSI，因其在百万级数据量下表现最优

1.3 不经意传输（OT）的选择性获取

OT协议确保接收方只能获取发送方特定位置的数据，且发送方不知晓接收方的选择。其关键特性包括：

精准控制：接收方精确获取目标数据，无法获得其他信息
双重保护：既保护发送方的完整数据集，又保护接收方的选择意图

基础地位：常作为PSI和PIR的底层构建模块，如：

// 1-out-of-2 OT协议伪代码 function OT(sender_data[2], receiver_choice): // 发送方生成密钥对 key0 = generate_key() key1 = generate_key() // 接收方根据选择获取对应密钥 chosen_key = receiver_choice ? key1 : key0 // 发送方双加密后传输 encrypted0 = encrypt(key0, sender_data[0]) encrypted1 = encrypt(key1, sender_data[1]) // 接收方只能解密所选数据 return decrypt(chosen_key, receiver_choice ? encrypted1 : encrypted0)

2. 场景映射：从业务需求到技术选型

2.1 反欺诈场景的技术路线

在金融机构联合反欺诈案例中，不同阶段需要不同协议组合：

初步筛查阶段（PSI主导）
- 目标：快速发现各机构黑名单的交集用户
- 方案：采用基于OT的PSI协议
- 优化点：通过哈希分桶预处理将计算复杂度从O(n²)降至O(n)
深度调查阶段（PIR+OT组合）
- 目标：查询可疑用户在特定机构的交易细节
- 方案：构建PIR查询通道，敏感字段采用OT传输
- 示例流程：
  - 机构A通过PSI发现用户X在黑名单中
  - 机构A发起PIR查询，获取X在机构B的交易记录索引
  - 对关键字段（如金额、时间）采用OT协议获取具体数值

2.2 医疗研究中的协议选择

当医院需要从基因数据库查询特定变异信息时：

纯PIR方案适用于：
- 查询已知变异点位的临床报告
- 数据库公开可查，仅需保护医生查询意图
- 通信优化方案：使用XPIR等基于格密码的方案
PSI+PIR组合适用于：
- 比对患者基因与数据库中的新发现变异
- 先PSI找出匹配变异，再PIR获取详细信息
- 性能平衡点：当匹配率<5%时组合方案更高效

2.3 广告行业的特殊考量

广告点击效果分析需要处理两种隐私需求：

用户匹配（PSI扩展）：
- 采用PSI-CA（带基数统计）协议
- 输出交集数量而非具体ID
- 满足GDPR"最小披露"原则
效果查询（PIR优化）：
- 使用矩阵PIR技术
- 单次查询获取多维指标（展示量、点击率、转化率）
- 通信压缩率可达传统方案的1/20

3. 性能权衡：关键指标的量化对比

3.1 计算开销的阶跃变化

通过实验数据对比三种协议在AWS c5.4xlarge实例上的表现：

数据规模	PIR(ms)	PSI(ms)	OT(ms)
1,000	12	8	3
10,000	45	35	28
100,000	320	210	250
1,000,000	2,800	1,500	2,300

临界点发现：当数据量超过10万条时，基于FHE的PIR计算开销呈现非线性增长

3.2 通信成本的优化空间

通过协议优化可实现的通信压缩率：

PIR：使用递归算法可将通信量从O(n)降至O(n^ε)
PSI：基于OPRF的方案比传统RSA方案节省40%带宽
OT：矩阵扩展技术实现1个基础OT支持128个扩展OT

3.3 安全假设的差异比较

各协议依赖的不同安全基础：

协议类型	安全假设	抗量子性	典型攻击风险
传统PIR	大整数分解难题	否	量子计算攻击
现代PIR	Ring-LWE问题	是	参数选择不当导致安全弱化
PSI	随机预言模型	部分	恶意参与方输入依赖攻击
OT	离散对数问题/DDH假设	部分	选择密文攻击