论文2024/627

分布式和可扩展的不经意排序和洗牌

摘要

现有的遗忘系统通过隐藏内存访问模式提供了强大的安全性，但它们遇到了显著的可扩展性和性能挑战。最近为增强这些系统的实用性所做的努力包括在可信执行环境（TEE）中嵌入遗忘计算，例如，遗忘排序和混洗。例如，遗忘排序被大量使用：在Oblix（S&P’18）中，当创建和访问遗忘索引时；在初始化期间以及对输入请求进行重复数据消除并准备交付时，Snoopy的高吞吐量不经意键值（SOSP’21）；在Opaque（NSDI’17）中，针对所有提出的遗忘SQL运算符；采用最先进的非外键不经意连接方法（PVLDB'20）。此外，Signal的联系人发现商业解决方案、匿名谷歌的密钥透明、可搜索加密、软件监控以及用户隐私的差异化私有联合学习中的不经意排序/洗牌查找应用程序。在这项工作中，我们通过重新设计这些方法来解决不经意排序和洗牌的可伸缩性瓶颈，以在分布式多域环境中实现高效。首先，我们提出了一种针对分布式设置进行优化的多线程双音排序，使其成为针对少量飞地（最多4个）的最具性能的不经意排序。对于更多的包，我们提出了一种新的不经意桶排序，它改进了数据局部性和网络消耗，比我们优化的分布式比特排序性能高出5-6倍。据我们所知，这是第一个基于分布式不经意TEE的排序解决方案。作为参考，我们能够在多包含测试中对1秒内的2GiB数据和53.4秒内的128GiB数据进行排序。我们的遗忘桶排序的一个基本构建块是遗忘混洗，它在分布式多包围区设置中将先前最先进的结果（CCS’22）提高了9.5倍——有趣的是，即使在单包围区/多线程设置中，它也能提高10%。