[論文レビュー] Privacy-Preserving Spam Filtering using Functional Encryption

Sicong Wang, Naveen Karunanayake+2 more|arXiv (Cornell University)|Dec 8, 2020

Spam and Phishing Detection参考文献 25被引用数 4

ひとこと要約

この論文では、関数暗号を用いたプライバシー保護型スパムフィルタリングフレームワークを提案している。このフレームワークにより、サーバーはメールの平文内容にアクセスせずに暗号化されたメールを分類できる。2次関数暗号方式とハイブリッドニューラルネットワーク（2次関数 + 多層パーセプトロン）を統合することで、FHEベースの手法とは異なり、クライアントとサーバー間の往復通信を必要とせず、実世界のデータセットで96%以上の精度を達成している。

ABSTRACT

Traditional spam classification requires the end-user to reveal the content of its received email to the spam classifier which violates the privacy. Spam classification over encrypted emails enables the classifier to classify spam email without accessing the email, hence protects the privacy of email content. In this paper, we construct a spam classification framework that enables the classification of encrypted emails. Our classification model is based on a neural network with a quadratic network part and a multi-layer perception network part. The quadratic network architecture is compatible with the operation of an existing quadratic functional encryption scheme that enables our classification to predict the label of encrypted emails without revealing the associated plain-text email. The evaluation results on real-world spam datasets indicate that our proposed spam classification model achieves an accuracy of over 96%.

研究の動機と目的

• 従来のスパムフィルタリングにおけるプライバシー漏洩問題、すなわちメール内容がサーバーやサービスプロバイダーにさらされるのを是正すること。
• エンドユーザーがオンラインでなくても、あるいは往復通信を必要としない形で、サーバー上で暗号化されたメールのスパム分類を可能にすること。
• 関数暗号とディープラーニングを統合し、暗号化されたデータ上で安全かつプライベートなテキスト分類を実現すること。
• 提案手法の性能と効率を、実世界のスパムデータセットを用いて評価すること。
• 精度と計算オーバーヘッドの観点から、既存のFHEベースのソリューションと比較して、提案手法の関数暗号ベースのアプローチの有効性を検証すること。

提案手法

• システムは2段階のニューラルネットワークを採用：2次関数暗号方式と互換性を持つ2次ネットワーク部は、暗号化された入力を処理する。
• 2次ネットワークの出力は平文の埋め込みベクトルであり、これに多層パーセプトロン（MLP）ネットワークを適用して最終的なラベル予測を行う。
• メールは整数値特徴を持つ文書-語彙行列として表現され、関数暗号の整数入力要件を満たす。
• モデルの重みとバイアスは8ビット整数に量子化され、計算オーバーヘッドを低減するが、これによりわずかな精度低下が生じる。
• 関数暗号は、暗号化された入力に対して特定の関数（スパム予測）の評価が可能になるが、完全な平文へのアクセスは許可しないように設計されている。
• システムはTensorFlowを用いて実装され、TREC07pを含む複数の実世界スパムデータセットで評価されている。

実験結果

リサーチクエスチョン

• RQ1 関数暗号を用いて、暗号化されたメールデータ上で直接動作するディープラーニングベースのスパム分類器を構築可能か？
• RQ2 提案されたプライバシー保護型モデルの精度は、従来の平文ベースモデルと比べてどの程度か？
• RQ3 提案された関数暗号ベースのシステムにおける予測の計算オーバーヘッドはどの程度か？
• RQ4 通信パターンとパフォーマンスの観点から、FHEベースのスパム分類と比較して、提案システムはどのように異なるか？
• RQ5 中間層の出力が、元のメール内容についてどの程度の情報を漏洩させるか？

主な発見

• 提案されたスパム分類モデルは、3つの実世界スパムデータセットで96%以上の精度を達成しており、平文ベースモデルと同等の強力な性能を示している。
• クライアントとサーバー間の往復通信が不要であるため、非同期メール処理に適している。
• 平均予測時間は語彙サイズに応じて1メールあたり22〜40秒で、暗号解除の離散対数フェーズが主なオーバーヘッド要因となっている。
• モデルの中間層出力は、語の存在に関する顕著な情報を漏洩しており、出力埋め込みから特定の語を検出するプライベート学習モデルが90%以上の精度で動作した。
• FHEベースのロジスティック回帰に比べて予測が遅いが、関数暗号アプローチは通信効率に優れており、サーバー側分類に適している。
• 入力ベクトル長を5,000から4,000に短縮することで、予測時間を4秒短縮でき、精度低下は0.2%〜0.5%にとどまる。