[論文レビュー] Private Secure Coded Computation

Minchul Kim, Jungwoo Lee|arXiv (Cornell University)|Feb 1, 2019

Cryptography and Data Security参考文献 9被引用数 7

ひとこと要約

本稿では、分散行列乗算におけるデータセキュリティとマスターユーザーのプライバシーを同時に確保する、私的セキュア多項式コードと呼ばれる新しい符号化計算手法を提案する。マスターデータをランダム行列と共同で符号化し、ライブラリに対しては異なる符号化変数を用いることで、ワーカーがどのデータセットが要求されたかを学習したり、マスターデータを推測したりすることを防ぎ、私的多項式コードを改変した手法に比べて最大25%高速な計算を実現する。

ABSTRACT

We introduce a variation of coded computation that ensures data security and master's privacy against workers, which is referred to as private secure coded computation. In private secure coded computation, the master needs to compute a function of its own dataset and one of the datasets in a library exclusively shared by external workers. After recovering the desired function, the workers must not be able to know which dataset in the library was desired by the master or obtain any information about the master's own data. We propose a private secure coded computation scheme for matrix multiplication, namely private secure polynomial codes, based on private polynomial codes for private coded computation. In simulations, we show that the private secure polynomial codes achieves better computation time than private polynomial codes modified for private secure coded computation.

研究の動機と目的

• 分散符号化計算におけるデータセキュリティとマスターユーザーのプライバシーの二重的課題に取り組む。
• ワーカーがマスターが要求したライブラリ内のどのデータセットかを推測できないようにするための手法を設計する。
• 計算後でも、ワーカーがマスターデータに関するいかなる情報も得られないようにする。
• 既存の私的符号化計算手法に比べ、計算効率を向上させる。
• AIアシスタントのような、ユーザーのプライバシーとデータセキュリティが重要なシステムにおける実用的導入を可能にする。

提案手法

• マスターは、データセキュリティを確保するため、自身の私的データAとランダム行列Rを多項式符号化する。
• ライブラリ行列に対しては、異なる符号化変数を用いることで、ワーカーが計算結果と特定のデータセットを結びつけられないようにする。
• 各ワーカーは、AとライブラリBの部分集合の符号化版を受け取り、これらの符号化入力に対して関数を計算する。
• マスターは、K人のワーカーの計算結果から、必要な行列乗算f(A, B_D)を回復する。ここでKは回復閾値である。
• 私的多項式コードを基盤として用いるが、追加のプライバシー保護符号化メカニズムを導入して拡張する。
• ストラグル状態下での性能比較のため、計算時間を指数分布の仮定に基づいてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 符号化計算手法は、不審なワーカーに対するデータセキュリティとマスターユーザーのプライバシーの両方を同時に保護できるか？
• RQ2 マスターが計算に使用したライブラリデータセットB_Dがどのものかを、ワーカーが隠蔽するにはどうすればよいか？
• RQ3 符号化変数に基づいてワーカーをグループ化した場合、私的セキュア符号化計算における計算時間にどのような影響があるか？
• RQ4 提案手法は、プライバシーとセキュリティを考慮して改変された私的多項式コードに比べ、計算効率がどのように向上するか？
• RQ5 分散行列乗算において、セキュリティ、プライバシー、計算遅延の間のトレードオフは何か？

主な発見

• 私的セキュア多項式コードは、私的多項式コードをプライバシーとセキュリティに適合させた改変手法に比べ、最大25%の計算時間短縮を達成する。
• ストラグルパラメータμが小さい場合を除き、さまざまなストラグルパラメータ下で既存手法を上回る性能を示す。
• μが増加するにつれて、両手法間の性能差が縮まり、ストラグルの影響が弱まることを示している。
• 私的セキュア多項式コードにおける回復閾値Kはn(m+1)であり、直接行列乗算に比べてn/(n-1)倍の計算量を要する。
• 本手法は、ワーカーが要求されたデータセットやマスターデータを推測できないようにすることで、データセキュリティとマスターユーザーのプライバシーの両方を維持する。
• シミュレーション結果から、より良い負荷分散とワーカーのグループ化効果の低減により、ベースライン手法に比べて効率的であることが確認された。