信息来源：中国人民大学信息学院公众号 发布日期：2026年8月21日

近日，信息学院智能数据管理与隐私计算研究所陈红教授、吴云乘副教授团队论文被USENIX NSDI 2027春季轮次录用，接收率为66/355（18.6%），会议将于2027年5月11-13日在美国罗德岛州普罗维登斯举行。NSDI（USENIX Symposium on Networked Systems Design and Implementation）是计算机网络系统领域的顶级学术会议，聚焦分布式系统和网络的设计、实现和评估，与SIGCOMM并列为全球计算机科学专业顶级学术会议列表CSRankings收录的计算机网络领域两大国际顶级学术会议，被计算机学会（CCF）评为推荐A类会议。本篇论文是我校作为第一单位在NSDI上发表的首篇论文。

论文简介

论文题目：Qamboo: Efficient and Scalable Secure Collaborative Analytics in the Cloud

作者列表：尚庆旭、吴云乘、张云聪、范举、李翠平、陈红、杜小勇

通讯作者：吴云乘、陈红

论文简介：安全协作分析使多个数据所有者能够在不泄露敏感信息的情况下共同分析其私有数据，从而挖掘宝贵的洞察。安全多方计算（MPC）为这种协作提供了密码学基础，但也引入了显著的通信和计算开销。这种开销的一个关键来源是，不经意算子会生成最坏情况的输出以隐藏真实的结果规模，从而导致复杂查询中间结果基数爆炸。现有系统主要关注算子级别的效率，但大多未能有效缓解这种基数爆炸，导致高昂的端到端MPC开销。

我们提出了Qamboo，一个基于MPC的高效、可扩展的云端安全协作分析系统。Qamboo采用全栈系统化设计来降低整体MPC开销。首先，我们设计了高效的不经意算子，特别是连接算子，以降低通信复杂度。其次，我们提出了一种针对MPC场景的基数感知查询优化框架，以最小化最坏情况下的中间结果基数。第三，我们构建了一个融合向量化、并行和通信优化的运行环境，以提高密码学原语效率。在多种工作负载上的大量实验表明，Qamboo具有出色的效率和可扩展性。其中，在完整的TPC-H基准测试中，Qamboo在LAN和WAN中比最先进的基线ORQ实现了高达4.5和3.7倍的加速，同时平均降低了5.1倍的通信成本。

作者简介

第一作者简介

尚庆旭，中国人民大学信息学院2025级博士研究生。

通讯作者简介

吴云乘，中国人民大学副教授、硕士生导师，吴玉章青年学者、玉兰学者。入选国家级青年人才项目。博士毕业于中国人民大学，曾在新加坡国立大学先后担任博士后研究员、研究助理教授。研究方向包括：隐私计算、数据安全、联邦学习等，在SIGMOD、VLDB、ICDE、TKDE等国内外学术期刊和学术会议上发表CCF A类论文30余篇，获SIGMOD 2024系统奖、ICDE 2024最佳论文提名奖、ICDE 2025最佳学生论文奖、MM 2025杰出论文奖。担任CCF数据库专委会执行委员、网络与系统安全专委会执行委员，VLDB 2026副编辑，以及多个国际会议的程序委员和著名期刊的审稿人，曾担任VLDB 2024的Demo Track联合主席。

陈红，中国人民大学教授、博士生导师、吴玉章讲席教授。中国计算机学会数据库专业委员会常务委员、大数据专家委员会委员、物联网络专业委员会委员。作为项目负责人主持国家重点研发计划项目、国家“核高基”重大专项课题、国家863计划项目、国家自然科学基金重点项目等项目30余项；在国内外学术期刊和学术会议上发表论文300余篇。获国家科技进步二等奖、教育部科技进步一等奖和二等奖、北京市科技进步二等奖、中国计算机学会科技进步一等奖、北京市高等教育教学成果一等奖等奖项以及北京市三八红旗奖章、北京市教书育人先锋、北京市优秀教师等荣誉称号。2005年入选教育部新世纪优秀人才支持计划。