[論文レビュー] A review of homomorphic encryption and software tools for encrypted statistical machine learning

Louis J. M. Aslett, Pedro M. Esperança+1 more|arXiv (Cornell University)|Aug 26, 2015

Cryptography and Data Security参考文献 43被引用数 58

ひとこと要約

この論文は、プライバシー保護型統計的機械学習のための同型暗号（HE）をレビューし、統計学者や機械学習研究者にとっての実用的制約と有効化技術に焦点を当てる。本論文では、ファン＝ヴァーゴーテレン（FV）HE方式を高パフォーマンスかつ使いやすい形で実装したHomomorphicEncryption Rパッケージを紹介する。このパッケージは、Rにおける暗号化されたベクトルおよび行列に対する安全な同型計算を可能にし、演算の透明性と並列化を実現する。

ABSTRACT

Recent advances in cryptography promise to enable secure statistical computation on encrypted data, whereby a limited set of operations can be carried out without the need to first decrypt. We review these homomorphic encryption schemes in a manner accessible to statisticians and machine learners, focusing on pertinent limitations inherent in the current state of the art. These limitations restrict the kind of statistics and machine learning algorithms which can be implemented and we review those which have been successfully applied in the literature. Finally, we document a high performance R package implementing a recent homomorphic scheme in a general framework.

研究の動機と目的

• 統計学者や機械学習研究者に、同型暗号の背景と統計的計算における実用的制約をわかりやすく提供すること。
• 同型暗号の制約下でも効果的に実装可能な統計的および機械学習的手法を特定・レビューすること。
• 暗号の専門知識が最小限で済むように、暗号化データ上でエンドツーエンドの同型計算を可能にする高性能なRパッケージを提示すること。
• 従来のアルゴリズムをHEの動作限界内に適合させることで、統計コミュニティが同型計算に特化した新しい手法を開発することを促すこと。

提案手法

• 統計的作業に適した、特にファン＝ヴァーゴーテレン（FV）方式を含む同型暗号スキームのレビュー。
• 平文を復号せずに、暗号化されたデータ上で直接加算、乗算、行列乗算などの同型演算がどのように行われるかの説明。
• 低レベルの暗号操作を抽象化した高レベルのRパッケージの実装により、ユーザーが暗号化されたベクトルおよび行列上で標準的なRの算術演算を実行できるようにする。
• バックエンドで多項式演算および任意精度算術を効率的に行うためにFLINTおよびGMPライブラリを活用。
• 暗号化、復号、算術演算のすべての処理において、すべてのCPUコアを横断する透明なマルチスレッド並列処理をサポート。
• 演算の過程でデータ構造（例：ベクトル、行列）を保持し、標準的なRのインデックス指定、代入、および%*%やdiagなどの関数をサポート。

実験結果

リサーチクエスチョン

• RQ1 現在の技術的制約下で、どの統計的および機械学習アルゴリズムが同型暗号と互換性を持つのか？
• RQ2 平文を露呈させることなく、標準的なR演算を暗号化データ上で安全かつ効率的に拡張する方法は何か？
• RQ3 高レベルのソフトウェアインターフェースを用いた場合、ベクトルおよび行列における同型演算の性能特性はどのようになるか？
• RQ4 統計および機械学習分野の非暗号専門家が、プライバシー保護型分析のため同型暗号を効果的に使用するにはどうすればよいか？
• RQ5 既存の同型暗号スキームの実用的制約は、安全な統計的アルゴリズムの設計をどのように制限しているか？

主な発見

• HomomorphicEncryption Rパッケージは、ファン＝ヴァーゴーテレン方式を用いて、ユーザーの作業を最小限に抑えながらエンドツーエンドの同型計算を可能にする。
• 暗号化データ上のスカラー加算は1回あたり約0.003秒、ベクトル加算（100要素）は平均0.58秒である。
• 暗号化されたデータ上での行列乗算（10×10）には約10.21秒を要し、同型演算の計算コストが顕著に現れている。
• パッケージは、すべてのCPUコアを横断する透明なマルチスレッド並列処理をサポートしており、大規模計算において性能が顕著に向上する。
• システムはデータ構造（例：ベクトル、行列）を正しく保持し、インデックス指定、代入、行列乗算などの標準的なR演算をサポートしている。
• 平文を復号せずに、内積や行列演算などの操作を暗号文そのもの上で直接実行できるため、安全でプライバシー保護型の統計的分析が可能になる。