[論文レビュー] A blockchain-orchestrated Federated Learning architecture for healthcare consortia

Jonathan Passerat‐Palmbach, Tyler Farnan+4 more|arXiv (Cornell University)|Oct 12, 2019

Privacy-Preserving Technologies in Data参考文献 12被引用数 48

ひとこと要約

論文は、Secure Aggregation with AMD SEV、Ethereumベースのアクセス制御、プライバシー保護された監査証跡を特徴とする、医療コンソーシアム向けに特化したブロックチェーン対応フェデレーテッドラーニングアーキテクチャを提案します。

ABSTRACT

We propose a novel architecture for federated learning within healthcare consortia. At the heart of the solution is a unique integration of privacy preserving technologies, built upon native enterprise blockchain components available in the Ethereum ecosystem. We show how the specific characteristics and challenges of healthcare consortia informed our design choices, notably the conception of a new Secure Aggregation protocol assembled with a protected hardware component and an encryption toolkit native to Ethereum. Our architecture also brings in a privacy preserving audit trail that logs events in the network without revealing identities.

研究の動機と目的

• フェデレーテッドラーニングにおける医療データ共有のプライバシー・法的・競争上の課題に対処する。
• エンタープライズ Ethereum コンポーネントを活用したコンソーシアム特化型 FL アーキテクチャを設計する。
• 医療ネットワークに適したセキュアな集約メカニズムとプライバシー保護された監査を導入する。
• FL ワークフロー内での細粒度のデータアクセスポリシーとデータ転送時の暗号化を提供する。

提案手法

• モデル訓練とオーケストレーションのための FL ビルディングブロックとして PySyft を使用する。
• データワーカーとアクセスルールを管理するために Ethereum Besu 上のスマートコントラクトとしてオーケストレーターをデプロイする。
• 暗号化されたウェイトを集約する AMD SEV 保護 VM 上で動作する Secure Aggregator を実装する。
• ワーカーとアグリゲーター間のモデル更新の転送中暗号化に EIP-1024 を利用する。
• 訓練イベントを記録しつつ参加者の身元を隠す、プライバシー保護された監査証跡をオンチェーンに記録する。

実験結果

リサーチクエスチョン

• RQ1 医療コンソーシアム向けのフェデレーテッドラーニングアーキテクチャは、どのように細粒度のデータアクセスポリシーを適用できるか？
• RQ2 小〜中規模のフェデレーテッドネットワークにおいて、AMD SEV ベースのセキュア集約は従来のMPCベースのセキュア集約の代替となり得るか？
• RQ3 Ethereumベースのツールが、参加者の身元を公開することなく、プライバシー保護された監査可能性をどのように提供できるか？
• RQ4 医療コンソーシアムにおけるブロックチェーン組み込みFLの導入にあたってのネットワークと運用上の考慮事項は何か？

主な発見

• 細粒度アクセスポリシー、SEVベースのセキュア集約、EIP-1024による転送中暗号化、プライバシー保護型のオンチェーン監査証跡という4つの“深掘りされた”プライバシーの柱を提案します。
• エンタープライズ Ethereum ツール（Besu）がコンソーシアム内でのデータ共有と権限設定を可能にすることを主張します。
• 信頼できるメンバーを前提とした小規模コンソーシアム（100未満）は SEV対応のセキュア集約を効果的に活用でき、MPC の制約をこのような環境で解決することを示唆します。
• 集約への寄与のランダム選択は、更新を個々のワーカーに直接帰属させることを防ぎ、プライバシーを強化することを示しています。