Efficient Fuzzy PSI under One-Sided Assumptions
यह शोध पत्र एक-पक्षीय धारणाओं के तहत सामान्य दूरियों के लिए पहले ठोस रूप से कुशल फजी प्राइवेट सेट इंटरसेक्शन प्रोटोकॉल को प्रस्तुत करता है, जो जटिलता प्राप्त करने के लिए हल्के सिमेट्रिक-की प्रिमिटिव्स और प्रीफिक्स ट्राई तकनीकों का लाभ उठाता है और गणना की गति एवं संचार ओवरहेड दोनों में पिछले अत्याधुनिक कार्यों से काफी बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
डिजिटल युग में, दो संगठनों को अक्सर एक-दूसरे के पूरे रहस्यों को उजागर किए बिना एक साझा आधार खोजने की आवश्यकता होती है। कल्पना कीजिए कि एक अस्पताल के पास एक विशिष्ट स्थिति वाले रोगियों की सूची है और एक अनुसंधान संस्थान के पास स्वयंसेवकों की सूची है। वे यह जानना चाहते हैं कि कौन से स्वयंसेवक रोगी भी हैं, लेकिन दोनों पक्ष अपनी पूरी सूची नहीं देना चाहते, क्योंकि इससे बाकी सभी के डेटा का खुलासा हो सकता है। मानक कंप्यूटर प्रोटोकॉल इस सटीक मिलान (matching) समस्या को कुशलतापूर्वक हल कर सकते हैं, लेकिन वे तब विफल हो जाते हैं जब डेटा थोड़ा अव्यवस्थित होता है। वास्तविक दुनिया में, नाम गलत लिखे हो सकते हैं, स्थान थोड़े अलग हो सकते हैं, और बायोमेट्रिक स्कैन दिन-प्रतिदिन भिन्न हो सकते हैं। यदि अस्पताल के रिकॉर्ड में "John Smith" लिखा है और स्वयंसेवक के रिकॉर्ड में "Jon Smyth" है, तो एक मानक प्रणाली कोई मिलान नहीं देखती, भले ही वे एक ही व्यक्ति हों। यहीं पर "फजी" (fuzzy) मैचिंग आती है, जो इन अनुमानित कनेक्शनों को खोजने के लिए डिज़ाइन की गई एक विधि है। हालाँकि, इसे सुरक्षित रूप से करना अविश्वसनीय रूप से कठिन है। यदि सिस्टम प्रत्येक नाम के हर संभावित संस्करण की तुलना दूसरे के हर संस्करण से करने की कोशिश करता है, तो साझा किए जाने वाले डेटा की मात्रा इतनी बढ़ जाती है कि प्रक्रिया रुक जाती है, या इसके लिए इतने भारी गणितीय तंत्र की आवश्यकता होती है कि यह रोजमर्रा के उपयोग के लिए अव्यावहारिक हो जाता है।
शोधकर्ताओं की एक टीम ने अब इस तरह की फजी मैचिंग करने का एक नया तरीका विकसित किया है जो तेज़ और हल्का (lightweight) भी है। उनका कार्य उस परिदृश्य पर केंद्रित है जहाँ केवल दो पक्षों में से एक को अपने डेटा के व्यवस्थित होने के बारे में सख्त नियमों का पालन करने की आवश्यकता होती है, जबकि दूसरे पक्ष का डेटा किसी भी अराजक क्रम में हो सकता है। ऐसी शिथिल शर्तों के तहत इस समस्या को हल करने के पिछले प्रयास या तो भारी, धीमे क्रिप्टोग्राफिक उपकरणों पर निर्भर थे या उनके लिए दोनों पक्षों के पास पूरी तरह से व्यवस्थित डेटा होना आवश्यक था, जो वास्तव में दुर्लभ है। सिंगापुर और संयुक्त राज्य अमेरिका के संस्थानों के ज़िनपेंग यांग और सहयोगियों द्वारा विकसित यह नई विधि केवल सरल, तेज़ बिल्डिंग ब्लॉक्स का उपयोग करके उसी लक्ष्य को प्राप्त करती है। वे इन तुलनाओं के लिए आवश्यक समय और डेटा को भारी अंतर से कम करने में सफल रहे, जिससे कई वास्तविक दुनिया के सेटिंग्स में सुरक्षित, अनुमानित मिलान संभव हो गया।
इस उपलब्धि का मूल तत्व यह है कि शोधकर्ता डेटा बिंदुओं के बीच की "दूरी" (distance) को कैसे संभालते हैं। इस संदर्भ में, दूरी दो सूचनाओं के बीच के अंतर का माप है, जैसे कि दो नामों के बीच कितने अक्षर भिन्न हैं या जीपीएस निर्देशांक (GPS coordinates) एक दूसरे से कितने दूर हैं। लक्ष्य उन जोड़ों को खोजना है जहाँ यह दूरी एक विशिष्ट सीमा (threshold) से कम हो। शोधकर्ताओं ने महसूस किया कि पिछले तरीके डेटा बिंदु के प्रत्येक संभावित संस्करण की जाँच करने का प्रयास करते थे, जिससे खोज का दायरा (search space) अत्यधिक बढ़ जाता था। इसे ठीक करने के लिए, उन्होंने एक ऐसी तकनीक पेश की जो एक स्मार्ट फिल्टर की तरह काम करती है। हर एक संभावना की जाँच करने के बजाय, सिस्टम डेटा को एक पेड़ जैसी संरचना (tree-like structure) में व्यवस्थित करता है जो इसे तुरंत बड़ी मात्रा में अप्रासंगिक जानकारी को छोड़ने की अनुमति देता है। इस बदलाव ने कम्प्यूटेशनल प्रयास को उस स्तर से कम कर दिया जो खोज के आकार के साथ तेजी से बढ़ता था, और इसे केवल लॉगरिदमिक (logarithmic) स्तर पर ले आया। व्यावहारिक रूप से, इसका अर्थ यह है कि यदि डेटा बिंदुओं के बीच की स्वीकृत भिन्नता को दोगुना या तिगुना कर दिया जाए, तो भी चेक चलाने में लगने वाला समय बहुत कम बढ़ता है।
टीम ने अपने नए प्रोटोकॉल का परीक्षण वर्तमान में उपलब्ध सर्वश्रेष्ठ मौजूदा तरीकों के विरुद्ध किया। परिणाम नाटकीय थे। एक हालिया 2024 के प्रोटोकॉल की तुलना में, उनकी नई प्रणाली 239 गुना तक तेज़ चली और संचार बैंडविड्थ का उपयोग 20 गुना तक कम किया। 2025 की एक विधि के मुकाबले, गति में वृद्धि 518 गुना तक पहुँच गई, जिसमें डेटा ट्रांसफर में 63 गुना की कमी आई। 2025 के एक अन्य निर्माण के साथ एक विशिष्ट तुलना में, नई प्रणाली लगभग 5,000 गुना तेज़ थी और इसमें संचार की आवश्यकता 282 गुना कम थी। ये संख्याएँ केवल सैद्धांतिक नहीं थीं; शोधकर्ताओं ने पूर्ण सिस्टम को लागू किया और डेटा के विभिन्न आकार और सेटिंग्स में व्यापक प्रयोग किए। उन्होंने पुष्टि की कि उनका दृष्टिकोण काम करता है चाहे प्रेषक (sender) या प्राप्तकर्ता (receiver) के पास व्यवस्थित डेटा हो, और यह विभिन्न प्रकार के दूरी मापों का समर्थन करता है, न कि केवल सरल मापों का।
उनके कार्य में एक प्रमुख नवाचार "एक-तरफा" (one-sided) धारणाओं को संभालने की क्षमता थी। कई पिछले सुरक्षित सिस्टम में, दोनों पक्षों को सख्त नियमों पर सहमत होना पड़ता था, जैसे कि यह सुनिश्चित करना कि उनके डेटा बिंदु भ्रम से बचने के लिए पर्याप्त दूरी पर हों। वास्तविक जीवन में यह अक्सर असंभव होता है, जहाँ डेटा समूहों या यादृच्छिक पैटर्न में आता है। नया तरीका केवल यह मांग करता है कि एक पक्ष के पास थोड़ा व्यवस्थित डेटासेट हो, जबकि दूसरा पक्ष पूरी तरह से मनमाना, अव्यवस्थित डेटा रख सकता है। यह लचीलापन इस तकनीक को कॉन्टैक्ट ट्रेसिंग या स्थान-आधारित सेवाओं जैसे परिदृश्यों के लिए लागू करने योग्य बनाता है, जहाँ एक इकाई के पास ज्ञात स्थानों का एक संरचित डेटाबेस हो सकता है जबकि दूसरे के पास असंरचित उपयोगकर्ता इनपुट का प्रवाह हो सकता है। केवल हल्के, सिमेट्रिक-की (symmetric-key) तकनीकों पर भरोसा करके—जो अनिवार्य रूप से तेज़ और कुशल मानक एन्क्रिप्शन उपकरण हैं—शोधकर्ताओं ने उन भारी, धीमे गणितीय ऑपरेशनों से बचा जो पहले समान प्रयासों को धीमा कर देते थे।
शोधकर्ताओं ने यह भी पता लगाया कि जब डेटा विरल (sparse) होता है, यानी बिंदु बिखरे हुए होते न कि क्लस्टर में, तो सिस्टम को और अधिक कुशल कैसे बनाया जाए। इन मामलों में, उन्होंने पाया कि मिलान प्रक्रिया में दोनों पक्षों की भूमिकाओं को बदलने से कार्यभार को और संतुलित किया जा सकता है और प्रदर्शन में सुधार किया जा सकता है। यह अनुकूलन क्षमता बताती है कि सिस्टम को बिना किसी पूर्ण पुनर्गठन के विभिन्न प्रकार के अनुप्रयोगों के लिए ट्यून किया जा सकता है। यह कार्य प्रदर्शित करता है कि ऐसे सुरक्षित, गोपनीयता-संरक्षण वाले सिस्टम बनाना संभव है जो न केवल सैद्धांतिक रूप से सुदृढ़ हैं बल्कि वास्तविक दुनिया के परिनियोजन के लिए व्यावहारिक रूप से तेज़ भी हैं।
इस कार्य के निहितार्थ केवल गति तक ही सीमित नहीं हैं। फजी मैचिंग को कुशल बनाकर, शोधकर्ताओं ने अधिक परिष्कृत गोपनीयता-संरक्षण वाले अनुप्रयोगों के द्वार खोल दिए हैं। वे संगठन जिन्होंने गोपनीयता लीक के डर से या मिलान प्रक्रिया के बहुत धीमे होने के कारण डेटा साझा करने से परहेज किया है, अब सुरक्षित सहयोग पर विचार कर सकते हैं। चाहे वह चिकित्सा अनुसंधान के लिए रोगी रिकॉर्ड का मिलान करना हो, बायोमेट्रिक टेम्पलेट को उजागर किए बिना उपयोगकर्ता पहचान को सत्यापित करना हो, या कैटलॉग की सामग्री को प्रकट किए बिना बड़े कैटलॉग में समान वस्तुओं को खोजना हो, प्रवेश की बाधा को काफी कम कर दिया गया है। अध्ययन यह सिद्ध करता है कि सही एल्गोरिदम दृष्टिकोण के साथ, गोपनीयता और प्रदर्शन के बीच के समझौते को सुलझाया जा सकता है, जिससे डेटा को सुरक्षित रूप से प्रवाहित होने की अनुमति मिलती है, भले ही वह अपूर्ण या शोर युक्त (noisy) हो।
अंत में, यह पेपर एक ऐसे समस्या का ठोस समाधान प्रस्तुत करता है जो वर्षों से बनी हुई है: बिना गति या अवास्तविक शर्तों की बलि दिए निजी डेटा में अनुमानित मिल-मिलान (approximate matches) कैसे खोजा जाए। शोधकर्ताओं ने केवल एक नया विचार प्रस्तावित नहीं किया; उन्होंने इसे बनाया, इसका परीक्षण किया, और दिखाया कि यह मौजूदा सभी चीजों से कई गुना बेहतर प्रदर्शन करता है। उनका कार्य इस बात का प्रमाण है कि समस्या के मूल तर्क को परिष्कृत करने की शक्ति क्या है, बजाय इसके कि केवल अधिक कंप्यूटिंग पावर लगाने की कोशिश की जाए। जिज्ञासु पर्यवेक्षक के लिए, परिणाम एक ऐसा सिस्टम है जो एक भारी, बोझिल मशीन के बजाय एक सटीक, कुशल उपकरण जैसा महसूस होता है, जो वास्तविक, अव्यवस्थित डेटा की दुनिया में उपयोग के लिए तैयार है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।