SecretFlow隐私求交(PSI)功能深度解析与应用指南

隐私求交(PSI)概述

隐私求交(Private Set Intersection, PSI)是多方安全计算(MPC)中的一项核心技术，它允许两个或多个参与方在不泄露各自原始数据集的情况下，计算它们的交集。SecretFlow作为一款隐私计算框架，提供了强大的PSI功能实现。

SecretFlow中的PSI连接类型

SecretFlow支持四种主要的PSI连接类型，每种类型对应不同的业务场景需求：

1. 内连接(inner_join)

内连接是最基础的PSI操作，它仅返回双方数据集的交集部分。具体表现为：

• Alice方仅获取自身数据集中与Bob方匹配的记录
• Bob方仅获取自身数据集中与Alice方匹配的记录
• 双方都无法获知对方非交集部分的信息

适用场景：当业务只需要知道双方共同拥有的数据时使用，例如联合风控中确认双方共有的黑名单用户。

2. 左连接(left_join)

左连接在PSI中具有特殊含义，它返回：

• 左方(发起方)获取自身数据集中与右方匹配的记录，以及自身非匹配记录的数量
• 右方仅获取自身数据集中与左方匹配的记录

关键点：右方无法获取左方非匹配记录的具体内容，仅左方知道自身非匹配记录的数量。

适用场景：当一方需要了解自身数据在对方数据中的覆盖情况时使用，例如广告主想知道自己的用户中有多少是某平台的用户。

3. 全连接(full_join)

全连接提供最全面的信息：

• 各方不仅获取自身数据集中与对方匹配的记录
• 还能获知对方数据集中所有记录的数量(但不包含具体内容)
• 通过填充方式保持数据对齐

技术实现：ECDH算法分别计算两次，确保双方都能获得完整的信息视图。

适用场景：需要全面了解双方数据匹配情况的场景，如数据质量评估、数据覆盖率分析等。

4. 差集连接(difference)

差集连接专注于非交集部分：

• 各方获取自身数据集中不与对方匹配的记录
• 同时获知对方数据集中非匹配记录的数量
• 不泄露具体非匹配记录的内容

适用场景：识别独特数据时使用，例如金融机构想找出自己独有的高风险客户。

PSI在SecretFlow中的技术实现

SecretFlow的PSI实现基于ECDH(椭圆曲线Diffie-Hellman)算法，这是一种非对称加密技术，具有以下特点：

1. 双向计算：与传统PSI不同，SecretFlow会在双方节点分别执行求交计算，确保双方都能获得结果。

2. 数据对齐：对于full_join和left_join等操作，系统会通过填充方式保持数据行对齐，确保后续计算的一致性。

3. 隐私保护：在整个过程中，各方只能获取约定的信息(如交集或数量统计)，无法推断出对方的原始数据。

业务场景选择指南

连接类型	适用业务场景
inner_join	需要精确知道双方共同数据的场景，如联合建模的特征对齐
left_join	一方需要评估自身数据在另一方中的覆盖情况，如渠道质量评估
full_join	需要全面了解双方数据关系的场景，如数据资产盘点或数据质量评估
difference	识别独特数据的场景，如发现独家客户或特殊风险群体

实际应用建议

1. 性能考量：full_join由于需要计算和传输更多信息，通常比inner_join消耗更多资源。

2. 隐私权衡：left_join和full_join会泄露部分数量信息，在极高隐私要求场景下应谨慎使用。

3. 结果验证：可以通过比较交集数量与各自数据集大小，验证PSI结果的合理性。

4. 后续处理：PSI结果通常作为数据预处理步骤，为后续的联合建模或分析提供对齐后的数据。

通过深入理解SecretFlow提供的各种PSI连接类型，用户可以根据具体业务需求选择最合适的隐私求交方式，在保护数据隐私的同时实现有效的多方数据协作。