[論文レビュー] ML with HE: Privacy Preserving Machine Learning Inferences for Genome Studies

Şeyma Selcan Mağara, Ceren Yıldırım+7 more|arXiv (Cornell University)|Oct 21, 2021

Cancer Genomics and Diagnostics被引用数 4

ひとこと要約

本稿では、同型暗号（HE）を用いたプライバシー保護型機械学習推論をゲノム研究に適用し、暗号化されたゲノムデータ上で腫瘍の種類を安全に分類することを提案する。SVMおよびXGBoostモデルをHEで実装し、特にXGBoostで高い精度を達成するとともに、最適化された符号化と同型演算を用いて木構造の推論における安全な比較を効率的に処理する。

ABSTRACT

Preserving the privacy and security of big data in the context of cloud computing, while maintaining a certain level of efficiency of its processing remains to be a subject, open for improvement. One of the most popular applications epitomizing said concerns is found to be useful in genome analysis. This work proposes a secure multi-label tumor classification method using homomorphic encryption, whereby two different machine learning algorithms, SVM and XGBoost, are used to classify the encrypted genome data of different tumor types.

研究の動機と目的

• クラウドベースの機械学習処理中に感受性の高いゲノムデータのプライバシーとセキュリティを保護するという重要なニーズに対応する。
• 信頼できないクラウドサーバーが下位の情報を露呈させることなく、暗号化されたゲノムデータ上で安全な推論を可能にする。
• 腫瘍分類のための2つの強力な機械学習モデル（SVMおよびXGBoost）の同型暗号互換版を開発し、評価する。
• 特に決定木内の安全な比較操作を効率化することを目的として、同型暗号に適したXGBoost推論パイプラインを最適化する。
• 実世界のゲノムコンペティション環境（iDASH 2020）において、HEベースの機械学習推論の実用的妥当性と高い精度を実証する。

提案手法

• 完全同型暗号（FHE）、特にCKKSおよびBFV方式を用いて、暗号化されたゲノム特徴ベクトル上で計算を実行する。
• 多項式符号化を用いた安全な比較メカニズムを実装し、特徴値が決定木のノード条件（例：特徴値 ≥ しきい値）を満たすかどうかを暗号化された形で評価する。
• 木構造とリーフ値を符号化することで、同型暗号を用いたXGBoostの推論パイプラインを設計し、暗号化された比較を通じて経路確率を同型的に計算する。
• 符号化された比較結果を用いて決定木を走査し、アンサンブル内のすべての木に対してリーフ値を同型的に合算することで最終的な予測スコアを計算する。
• 各内部ノードのノード単位の比較結果（0または1）を計算するためのアルゴリズム2を適用し、アルゴリズム3で木単位のスコアを集約して最終的なクラススコアを算出する。
• クライアント側で最終的な暗号化スコア配列を復号し、最も高いスコアを持つ予測腫瘍種を特定する。

実験結果

リサーチクエスチョン

• RQ1 XGBoostの推論は、ゲノム分類において高い精度を維持しつつ、同型暗号下でも効率的に適合可能であるか？
• RQ2 暗号化されたゲノムデータ上で、HE保護下のXGBoostとSVMの両者の精度およびエンドツーエンドの遅延を比較すると、どちらが優れているか？
• RQ3 特に安全な比較操作に関して、同型暗号を木構造モデルに適用する際の実用的課題は何か？
• RQ4 同型暗号は、実世界のゲノム応用において、安全でプライバシー保護型の機械学習推論をどの程度可能にするか？
• RQ5 最適化された符号化技術は、HEベースのXGBoost推論における安全な比較の計算オーバーヘッドを顕著に低減できるか？

主な発見

• iDASH 2020コンペティションにおいて、XGBoostモデルはSVMモデルよりも高い精度を達成し、ゲノム分野におけるHEによるアンサンブル学習の有効性を示した。
• 高い計算コストが伴うものの、XGBoostモデルのエンドツーエンド推論時間は他の参加者と比較して競争力を持ち、実用的妥当性を裏付けた。
• 多項式符号化を用いた安全な比較手法は、XGBoostにおける決定木ノードの同型評価を顕著に高速化した。
• 同型暗号を用いたSVMモデルは高い精度を達成し、ゲノム分野における伝統的なカーネルベースモデルへのHEの実用可能性を裏付けた。
• 結果から、同型暗号は高次元の複雑なゲノムデータに対しても、モデルの有用性をほとんど損なわず効果的に適用可能であることが確認された。
• SEALおよびPalisadeライブラリを用いた実装は、異なるHEフレームワーク間で移植性と効率性を示し、広範な採用を支援するものとなった。