[論文レビュー] Secure multi-party linear regression at plaintext speed

Jonathan M. Bloom|arXiv (Cornell University)|Jan 28, 2019

Genetic Associations and Epidemiology被引用数 4

ひとこと要約

この論文は、各参加者が自身のデータを圧縮し、参加者間で圧縮統計を統合することで、平文レベルの効率性を達成する線形回帰のためのセキュアマルチパーティ計算（SMC）フレームワークを提示する。この手法により、新しいデータのインクリメンタルな更新が可能となり、サンプルサイズに依存しない漸近的効率性を実現しながら、QR分解された共変量のセキュアな集約を通じて正確な統計的結果を保持する、プライバシー保護型でスケーラブルな全ゲノム関連解析（GWAS）が可能になる。

ABSTRACT

We detail distributed algorithms for scalable, secure multiparty linear regression and feature selection at essentially the same speed as plaintext regression. While the core geometric ideas are simple, the recognition of their broad utility when combined is novel. Our scheme opens the door to efficient and secure genome-wide association studies across multiple biobanks.

研究の動機と目的

• 生データを共有せずに、分散されたデータセンターや病院、バイオバンク間でセキュアでスケーラブルかつ効率的なマルチパーティ線形回帰を可能にすること。
• 生データ共有なしで大規模な全ゲノム関連解析（GWAS）を実施する課題に対処し、プライバシーを保護するとともに通信コストと計算コストを最小限に抑えること。
• 新しいデータバッチや機関が追加された場合にインクリメンタルな更新をサポートする手法を開発すること。このコストは元のデータサイズに依存しないこと。
• 固定共変量（主成分を含む）を調整しながら、数百万の遺伝的バリアエントと特性との関連を効率的にテストできるようにすること。
• リファレンスパネルに依存せずに、結合データ上でPCAと回帰をセキュアに計算できることを可能にし、従来のスケーラビリティの制限を克服すること。

提案手法

• 各参加者は局所的に内積を計算することでデータ圧縮を実行：$ y_p^ op y_p $, $ C_p^ op y_p $, および $ C_p^ op C_p $。これにより、サンプルから共変量への次元削減が達成される。
• 参加者間でこれらの圧縮統計をセキュアに集約し、グローバルな $ C^ op C $, $ C^ op y $, および $ y^ op y $ を再構築する。
• 各参加者の共変量行列 $ C_p $ のQR分解を用い、$ R_p $ を得る。この $ R_p $ をセキュアに共有することで、グローバルな $ R $ 行列の再構築が可能になる。
• 得られたグローバルな $ R $ 行列を用いて、$ (R^{-1})^ op $ を用いて $ Q^ op y $ および $ Q^ op X $ を計算し、生データを露呈せずに正確な回帰係数推定が可能になる。
• 事前に計算された $ R_p $ 行列を再利用することで、異なる応答変数や共変量セットに対して迅速な再分析が可能になるため、特徴量スキャンが効率的に行える。
• 関係行列の固有値分解を用いることで、線形混合モデルへの統合が自然に行える。また、一般化線形モデルやディープラーニングにおける反復最適化もサポートする。

実験結果

リサーチクエスチョン

• RQ1 大規模かつ分散環境下において、平文計算に近い性能を達成するセキュアマルチパーティ計算を用いて、正確な線形回帰統計を計算できるか？
• RQ2 複数の機関に分散されたデータにおいて、データ共有なしにプライバシー保護型で効率的なGWASを実施する方法は何か？
• RQ3 元のサンプル数に依存しないコストで、セキュア回帰におけるインクリメンタルな更新が可能か？
• RQ4 QR分解と圧縮統計が、セキュアでスケーラブルかつ効率的なマルチパーティ回帰を実現する上で果たす役割は何か？
• RQ5 この手法を、複数の応答変数、一時的共変量、相互作用項、および遺伝子負担検定に対応させるにはどうすればよいか？

主な発見

• アルゴリズムは、平文回帰と同等の漸近的計算効率を達成しており、結合ステップのコストはサンプルサイズに依存せず、共変量の数にのみ依存する。
• 圧縮統計のセキュアな集約（SMCを用いて）により、参加者は最終的な回帰統計以外を学習せず、プライバシーが保証される。
• 新しいデータバッチのインクリメンタルな更新コストは、元のデータサイズではなく、新規バッチのサイズに比例する。
• 生データ共有なしに、圧縮表現とセキュア計算のみを用いて、結合データ上で正確なGWASが可能になる。
• 線形射影と行列の結合則を活用することで、特徴量スキャン、相互作用項、遺伝子負担検定が効率的にサポートされる。
• 関係行列の固有値分解を活用することで、線形混合モデルへの一般化が可能となり、単一参加者によるスキャンに還元される。