SecretFlow多键值隐私求交(PSI)中空值处理的技术解析

背景介绍

隐私集合求交(Private Set Intersection, PSI)是多方安全计算中的重要技术，SecretFlow作为隐私计算框架提供了多种PSI实现方案。在实际业务场景中，数据往往存在空值(null/None)情况，这给PSI操作带来了特殊挑战。

问题现象

用户在使用SecretFlow 1.6.0b0版本进行多键值PSI操作时，当某一键值列存在空值时，系统抛出"empty token in row=1 field=年龄"的运行时错误。值得注意的是，单键值PSI操作可以正常处理空值，而多键值PSI则会出现问题。

技术原理分析

SecretFlow提供了两种PSI实现接口：

1. 旧版bucket_psi接口：基于PSI v1实现，对输入数据有严格校验，不允许键值存在空值。该接口在多键值PSI时会将多个键值拼接后进行求交，空值会导致拼接失败。

2. 新版psi接口：基于PSI v2实现，提供了更灵活的数据处理能力，但需要正确设置参数格式。新版接口将键值参数从字符串改为字典格式，提升了接口表达能力。

解决方案

针对空值处理和多键值PSI问题，建议采取以下方案：

1. 升级SecretFlow版本：建议升级到1.11或更高版本，以获得更稳定的PSI功能和更好的错误处理机制。

2. 使用新版psi接口：

   • 单键值PSI：{'alice': ['id'], 'bob': ['id']}
   • 多键值PSI：{'alice': ['id', 'name'], 'bob': ['id', 'name']}

3. 数据预处理：在PSI前对数据进行清洗，处理空值情况：

   • 删除包含空键值的记录
   • 或用默认值填充空键值

最佳实践

# 正确使用新版psi接口的示例
psi_config = {
    'alice': ['id', 'name'],  # 多键值配置
    'bob': ['id', 'name']
}

# 执行PSI
spu.psi(
    psi_config,
    input_dict,
    output_dict,
    receiver=receiver,
    broadcast_result=False,
    protocol='PROTOCOL_ECDH',
    ecdh_curve="CURVE_FOURQ"
)

总结

SecretFlow的PSI功能在演进过程中不断优化，从bucket_psi到psi接口的升级带来了更好的灵活性和稳定性。理解不同版本接口的特性差异，正确处理数据中的空值情况，是保证PSI操作成功的关键。建议用户及时升级到最新版本，并按照官方推荐的方式使用PSI功能。