[論文レビュー] Privacy-Preserving SVM Computing by Using Random Unitary Transformation

Takahiro Maekawa, Takayuki Nakachi+2 more|arXiv (Cornell University)|Sep 19, 2018

Advanced Steganography and Watermarking Techniques参考文献 19被引用数 4

ひとこと要約

本稿では、ランダムユニタリ変換を用いて特徴テンプレートを保護するプライバシー保護型SVM計算方式を提案する。この方式により、パフォーマンス劣化を伴わずに信頼できないクラウド環境でも安全なSVM分類が可能となる。同手法は等方的ステーショナリーカーネル下で分類精度を維持し、特別な暗号化論理を必要としない標準SVMアルゴリズムをサポートする。鍵やテンプレートの漏洩下でも低誤り率を達成する顔認識実験により、有効性が検証された。

ABSTRACT

A privacy-preserving Support Vector Machine (SVM) computing scheme is proposed in this paper. Cloud computing has been spreading in many fields. However, the cloud computing has some serious issues for end users, such as unauthorized use and leak of data, and privacy compromise. We focus on templates protected by using a random unitary transformation, and consider some properties of the protected templates for secure SVM computing, where templates mean features extracted from data. The proposed scheme enables us not only to protect templates, but also to have the same performance as that of unprotected templates under some useful kernel functions. Moreover, it can be directly carried out by using well-known SVM algorithms, without preparing any algorithms specialized for secure SVM computing. In the experiments, the proposed scheme is applied to a face-based authentication algorithm with SVM classifiers to confirm the effectiveness.

研究の動機と目的

• データ漏洩や不正アクセスによるクラウドベースSVM計算におけるプライバシーリスクを軽減すること。
• 特徴テンプレート（バイオメトリクス的またはその他のもの）をSVM分類性能を低下させることなく保護する手法を開発すること。
• 特別なセキュア計算フレームワークを用いずに、標準SVMアルゴリズムを用いて信頼できない環境でもSVM推論を安全に実行できること。
• 鍵ベースのアクセス制御とテンプレート保護によりスプーフィング攻撃に対するセキュリティを強化すること。

提案手法

• 秘密鍵を用いたランダムユニタリ変換により特徴テンプレートを保護し、機密性を確保する。
• 入力特徴をクラウドに送信する前に変換を適用し、特定のカーネル関数下で内積関係を保持する。
• 等方的ステーショナリーカーネル（例：RBF、線形）を用いることで、変換後のテンプレートが同等の識別能力を維持する。
• アクセス制御とセキュリティの細粒度を制御するため、共有鍵（全ユーザーが同一鍵を使用）と固有鍵（各ユーザーが固有の鍵を有する）の2つの鍵条件を採用する。
• カーネルトリックを活用し、復号処理を伴わずに保護されたテンプレート上で直接SVM分類を実行する。
• ダウンサンプリングを用いて顔画像から1216次元のテンプレートを生成し、その後ランダム順列行列を用いて保護する。

実験結果

リサーチクエスチョン

• RQ1 ランダムユニタリ変換を保護されたテンプレートに適用した場合、SVM分類器の識別力を保持できるか？
• RQ2 標準カーネル関数下で、本手法が未保護テンプレートと同等の分類精度を維持するか？
• RQ3 共有鍵と固有鍵の使用が、マルチユーザー環境下でのセキュリティとパフォーマンスに与える影響はいかほどか？
• RQ4 鍵や元のテンプレートが漏洩した場合、本スキームはスプーフィング攻撃に対してどの程度耐性を示すか？
• RQ5 標準SVMアルゴリズムを保護されたテンプレート上で直接使用可能か？（アルゴリズムの変更なしに）

主な発見

• 鍵条件1（共有鍵）下では、保護済みテンプレートと未保護テンプレートの両方で同一の分類性能が達成され、等誤差率（EER）の値が両者で一致した。
• 鍵条件2（ユーザーごとの固有鍵）下では、より厳格な認証要件により、誤受容率（FAR）が顕著に低下し、セキュリティが向上した。
• 鍵が漏洩してもFARは低く維持された（条件2と比較してわずかに劣化したにとどまり）、スプーフィング攻撃に対する耐性を示した。
• 元のテンプレートが漏洩してもFARは低く維持されたことから、ユニタリ変換による保護が不正アクセスを効果的に防止できることを確認した。
• 標準SVMアルゴリズムを保護されたデータ上で直接使用可能であり、特別なセキュア計算フレームワークの導入が不要であることを示した。
• Extended Yale Face Database Bを用いた顔認識実験により、RBFおよび線形カーネル下で高い精度が得られ、本手法の実用性が検証された。