Mastic: Heavy-Hitters Privados Ponderados e Métricas Baseadas em Atributos

Resumo

Entender a experiência e o comportamento do usuário é fundamental para o sucesso de grandes sistemas de software e serviços da web. Obter essas informações, preservando a privacidade do usuário, é um desafio significativo. Avanços recentes na computação de múltiplas partes tornaram prático calcular agregados de forma segura sobre dados compartilhados em segredo. Dois protocolos surgiram como candidatos à padronização na IETF: Prio (NSDI 2017) para estatísticas de propósito geral; e Poplar (IEEE S&P 2021) para heavy hitters, onde o objetivo é calcular as entradas mais populares mantidas pelos usuários sem aprender as entradas em si. Embora cada um desses protocolos seja adequado para certas aplicações, ainda existem uma série de casos de uso identificados pela IETF para os quais nem Prio nem Poplar são práticos. Apresentamos Mastic, um protocolo para a seguinte funcionalidade: cada um de um grande número de clientes possui uma entrada (por exemplo, uma URL) e seu peso correspondente (por exemplo, tempo de carregamento da página); para uma entrada de candidato dada (ou prefixo), um pequeno número de servidores não colusivos deseja agregar de forma segura os pesos dos clientes que possuem essa entrada (ou alguma entrada com esse prefixo), sem aprender os pesos ou qual cliente possui qual entrada. Essa funcionalidade torna possíveis duas novas classes de aplicações. A primeira é uma generalização natural de heavy hitters que chamamos de weighted heavy-hitters. A segunda é uma melhoria das métricas no estilo Prio que chamamos de métricas baseadas em atributos, nas quais os agregados são agrupados por atributos hierárquicos do usuário (por exemplo, sua localização geográfica ou versão de software). Demonstramos a praticidade de Mastic para essas aplicações com um exemplo do mundo real de cada uma. Também comparamos nosso protocolo com Prio e Poplar em uma rede de área ampla. Em geral, relatamos uma melhoria de desempenho de mais de uma ordem de magnitude em relação a Poplar para heavy-hitters simples e melhoria em relação a Prio para métricas baseadas em atributos.