NotesNotes要点

• Protocol avoids noise proliferation, reducing overhead and parameter size
• Offline/online design, preprocessing reduces online communication and computation cost
• Supports multiple adversary models, such as dishonest majority or honest majority
• Online throughput improvement of approximately 20,000 times, with a latency optimization of up to 37 times
• Technique can be applied to other MPC protocols, such as secure machine learning
• Proven secure in the UC framework, enhancing composability and practicality

• 协议避免噪声泛滥，减少开销和参数大小
• 采用离线/在线设计，预处理降低在线通信和计算成本
• 支持多种敌手模型，如不诚实多数或诚实多数
• 在线阶段吞吐量提升约20,000倍，延迟优化达37倍
• 技术可应用于其他MPC协议，如安全机器学习
• 在UC框架下证明安全，增强可组合性和实用性

• 本プロトコルはノイズの増殖を防ぎ、オーバーヘッドとパラメータサイズを削減する。
• オフライン/オンライン設計により、プリプロセスによってオンライン通信および計算コストが削減される。
• 不正な多数派（dishonest majority）や正直な多数派（honest majority）などの複数の敵対的モデルをサポートする。
• 約20,000倍のオンラインスループット向上と最大37倍までのレイテンシ最適化を実現する。
• この技術は、セキュア機械学習のような他のMPCプロトコルに応用可能である。
• UCフレームワークで安全性が証明されており、コンポーザビリティと実用性を高めている。