Secure and Efficient Machine Learning Frameworks through Homomorphic Secure Protocols

通过同态安全协议实现安全高效的机器学习框架

• 批准号: 20K19799
• 负责人: Bian Song
• 金额: $ 2.66万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K19799/
• 关键词: 準同型暗号; 秘匿機械学習; learning with errors; 安全計算; AIセキュリティ; ニューラルネットワーク; ハードウェアアクセラレータ; multi-party computation

本研究は、安全かつ効率的な機械学習を目指し、アルゴリズム、プロトコルコンパイラおよび専用ハードウェアをそれぞれ設計し、包括的なフレームワークとして実現することを目的とした。本研究は、三つのレイヤに分けて研究を進み、以下の成果を挙げることができた。アプリケーション層: 実際の医療機関で研究されているニューラルネットワークによる心臓の診療に向けて安全計算のプロトコルを設計した。アプリケーションで実際要する診療精度を保ったまま、ニューラルネットワークアーキテクチャを調整した結果、既存研究より14倍ほど計算速度が上がり、CT一枚当たり3,054秒の計算時間を実現し、医療画像分野のトップ会議であるMICCAI 2020に論文採択された。プロトコル層: ニューラルネットワークに基づく秘匿推論において、準同型暗号に基づく秘匿畳み込み演算のプロトコルを提案した。従来プロトコルと違い、提案プロトコルでは数論変換を用いらない秘匿畳み込み演算を提案し、高速な秘匿畳み込み演算を実現すると同時に専用ハードウェアでエネルギー効率を大幅に上げた。関連する論文はセキュリティ分野のトップジャーナルであるIEEE Transactions on Information Forensics and Securityに掲載された。ハードウェア層: 如何に効率的にハードウェアを用いて、安全計算で広く用いられる格子暗号に関わる計算が行えるかを検討し、GPU上で自動的に最適パラメータを見つけ出すパラメータチューニングフレームワークを開発し、回路とシステム分野の最大級の会議であるIEEE International Symposium on Circuits and Systems (ISCAS) 2021に論文採択され、本研究の成果をオープンソース化した。

这项研究旨在实现安全有效的机器学习，并分别设计算法，协议编译器和专用硬件，以将其作为一个全面的框架。这项研究分为三层，并实现了以下结果：应用层：使用神经网络为心脏治疗设计的安全计算方案，这些方案正在实际医疗机构中进行了研究。由于调整神经网络体系结构的同时，在维持应用所需的实际医疗准确性的同时，计算速度的速度比现有研究快14倍，计算时间为每CT 3,054秒，并且在Miccai 2020中选择了该论文，这是医学成像领域的顶级会议。协议层：在基于神经网络的机密推理中，我们提出了一种基于同形密码学卷积计算的协议。与常规协议不同，提出的协议提出了不使用数字理论转换，实现高速秘密卷积操作的秘密卷积操作，同时使用专用硬件大大提高了能源效率。相关论文发表在IEEE信息法医和安全性的IEEE交易中，这是安全领域的领先日记。 Hardware Layer: We investigate how efficiently we can use hardware to perform calculations related to lattice cryptography, which is widely used in safety calculations, develop a parameter tuning framework that automatically locates optimal parameters on the GPU, and was selected at IEEE International Symposium on Circuits and Systems (ISCAS) 2021, one of the largest conferences in the field of circuits and systems, and the results of this research were made open 来源。

项目成果

APAS: Application-Specific Accelerators for RLWE-Based Homomorphic Linear Transformations

APAS：基于 RLWE 的同态线性变换的特定应用加速器

• DOI: 10.1109/tifs.2021.3114032
• 发表时间: 2021
• 期刊: IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY
• 影响因子: 6.8
• 作者: Bian Song;Kundi Dur E. Shahwar;Hirozawa Kazuma;Liu Weiqiang;Sato Takashi
• 通讯作者: Sato Takashi

University of Notre Dame/Indiana University Bloomington(米国)

圣母大学/印第安纳大学伯明顿分校（美国）

University of Notre Dame(米国)

圣母大学（美国）

• 发表时间: 2020

NUAA(中国)

南航（中国）

BUNET: Blind Medical Image Segmentation Based on Secure UNET

• DOI: 10.1007/978-3-030-59713-9_59
• 发表时间: 2020-07
• 作者: S. Bian;Xiaowei Xu;Weiwen Jiang;Yiyu Shi;Takashi Sato