SCP 联邦查询协议 (FQP) v0.1

隐私保护联邦查询协议规范

版本：v0.1
状态：生产级协议规范
替代版本：无
日期：2026-02

---

一、概述

联邦查询协议（Federated Query Protocol, FQP）是 SCP Compute Network 的核心查询协议，用于在多个 Vault 数据节点之间执行隐私保护的分布式查询。

FQP 支持以下查询类型：

• 统计符合条件的用户数量
• 计算平均值、总和等聚合指标
• 执行统计分析
• 支持联邦学习（Federated Learning）
• 支持基于向量索引的语义查询

FQP 保证：

• 原始数据永不离开 Vault
• 用户身份不会暴露
• 查询在 Vault 本地执行
• 聚合结果可验证
• 查询基于 Canonical Data Model 执行

---

二、与 Vault Canonicalization Pipeline 的关系

FQP 不直接查询原始数据，而是查询 Canonical Data Model（CDM）。

Canonicalization Pipeline 将任意用户数据转换为标准结构：

records
attributes
vector_index
canonical_hash

FQP 查询示例：

SELECT COUNT(*)
FROM attributes
WHERE name="diagnosis_code"
AND value="I10";

优势：

• 查询确定性执行
• 查询性能高
• 支持统一查询所有数据源
• 不暴露原始数据

---

三、网络架构

FQP 网络包含以下角色：

Agent（查询发起方）
Query Coordinator（查询协调节点）
Vault Node（数据节点）
Secure Aggregator（安全聚合节点）

架构：

Agent
  │
  ▼
Query Coordinator
  │
  ▼
广播查询
  │
  ▼
Vault Nodes
  │
本地查询 canonical attributes
  │
  ▼
安全聚合
  │
  ▼
返回结果

---

四、Vault 节点执行模型

Vault 查询本地 canonical 数据库：

vault.db
├── records
├── attributes
├── encrypted_lookup_index
├── aggregation_cache
├── vector_index

执行流程：

接收查询
验证查询
查询 canonical attributes
计算 contribution
签名结果
返回 contribution

Vault 不会返回：

原始数据
用户身份
数据内容

Vault 只返回：

contribution
proof

---

五、查询生命周期

Step 1 查询创建

Agent 提交查询：

{
  "query_type": "count",
  "condition": {
    "attribute": "diagnosis_code",
    "operator": "equals",
    "value": "I10"
  }
}

---

Step 2 查询广播

Coordinator 通过 libp2p 广播查询。

---

Step 3 Vault 本地执行

Vault 执行：

SELECT COUNT(*)
FROM attributes
WHERE name="diagnosis_code"
AND value="I10";

Vault 返回：

0 或 1

---

Step 4 安全聚合

Coordinator 执行：

count = SUM(contributions)

聚合可以在以下环境执行：

TEE
MPC
ZK aggregation（未来支持）

---

Step 5 返回结果

返回：

{
  "count": 100,
  "proof": "..."
}

---

六、支持的查询类型

FQP 支持：

Count 查询
Threshold 查询
Sum 查询
Average 查询
Histogram 查询
Vector similarity 查询
Federated Learning gradient 查询

---

七、Canonical Attribute 查询模型

FQP 所有查询必须基于 canonical attributes 执行。

示例 canonical attributes：

diagnosis_code
BMI
transaction_amount
education_level

优势：

统一查询模型
支持跨数据源查询
支持高性能索引

---

八、Vector 查询支持

FQP 支持基于向量索引的语义查询。

Vault 执行：

embedding(query)
vector search
计算 similarity contribution

支持：

语义搜索
RAG 查询
AI 查询

---

九、Proof 模型

Vault 生成 contribution proof：

result_hash = SHA256(query_id + contribution)
signature = sign(result_hash, vault_private_key)

Coordinator 生成 aggregation proof。

保证：

结果真实
结果完整
结果可验证

---

十、安全模型

FQP 保证：

原始数据隔离
身份隔离
加密索引查询
贡献签名验证
安全聚合

Coordinator 无法访问 Vault 原始数据。

Vault 无法访问其他 Vault 数据。

---

十一、隐私保证

FQP 防止：

身份泄露
数据泄露
中心化数据收集

FQP 保证：

本地计算
仅返回聚合结果

---

十二、性能

Vault 查询时间：

1--10 ms

网络聚合时间：

1--5 秒

支持：

百万级 Vault 网络

---

十三、参考实现

Vault 查询示例：

def execute_query(condition):

    result = db.execute(
        "SELECT COUNT(*) FROM attributes WHERE name=? AND value=?",
        (condition.attribute, condition.value)
    )

    contribution = 1 if result > 0 else 0

    proof = sign(contribution)

    return contribution, proof

---

十四、与 SCP Compute Network 的关系

FQP 是 SCP Compute Network 的查询协议层。

Vault Nodes：

Data Nodes

Compute Nodes：

Query Coordinator

---

十五、总结

FQP 是 SCP 的核心查询协议。

FQP 实现：

隐私保护查询
可验证计算
可扩展查询架构
支持结构化和语义查询

FQP 是 SCP 的基础协议之一。