[論文レビュー] Verifiable Encodings for Secure Homomorphic Analytics

Sylvain Chatel, Christian Knabenhans+3 more|arXiv (Cornell University)|Jul 28, 2022

Cryptography and Data Security被引用数 10

ひとこと要約

本稿では、格子基盤の完全準同型暗号（FHE）を用いて、暗号化されたデータ上の同型計算のクライアント側での実用的検証を可能にする検証可能エンコーディングを提案する。2つの新規エラー検出エンコーディング（リピケーションベース型およびコンパクト型）を用いて検証を平文空間に移行させることで、再線形化、回転、ブートストラップを含むすべての基本的HE演算について、最小限のオーバーヘッドで整合性を保証する。これにより、ゲノム解析や機械学習など多様なプライバシー保護型応用が可能になる。

ABSTRACT

Homomorphic encryption, which enables the execution of arithmetic operations directly on ciphertexts, is a promising solution for protecting privacy of cloud-delegated computations on sensitive data. However, the correctness of the computation result is not ensured. We propose two error detection encodings and build authenticators that enable practical client-verification of cloud-based homomorphic computations under different trade-offs and without compromising on the features of the encryption algorithm. Our authenticators operate on top of trending ring learning with errors based fully homomorphic encryption schemes over the integers. We implement our solution in VERITAS, a ready-to-use system for verification of outsourced computations executed over encrypted data. We show that contrary to prior work VERITAS supports verification of any homomorphic operation and we demonstrate its practicality for various applications, such as ride-hailing, genomic-data analysis, encrypted search, and machine-learning training and inference.

研究の動機と目的

• 悪意あるサーバーが検出不能な誤った結果を返す可能性がある同型暗号における計算整合性の重大な欠如を解消すること。
• 代数的および操作的不適合性により、現代的な格子基盤HE方式をサポートできない従来の検証可能計算技術の限界を克服すること。
• 線形演算、乗算、再線形化、回転、ブートストラップを含むすべての標準HE演算の検証を、柔軟なパrameter化に対応して可能にすること。
• 入力データへのアクセスなしに事前検証チャレンジを生成できるため、マルチパーティおよびリソース制限環境への実用的導入を可能にすること。
• 既存のHEパイプラインに最小限のパフォーマンスおよび通信オーバーヘッドで検証性を統合するシステム、Veritasの設計・実装

提案手法

• 冗長性とエラー検出にHEバッチングを活用するリピケーションベース型エンコーディングと、検証オーバーヘッドを低減するコンパクト型エンコーディングの2つの平文レベルエンコーディングを導入する。
• これらのエンコーディングを用いて同型認証子を構築し、結果を復号せずに、ホモモーフィックに実行された演算の効率的検証を可能にする。
• 検証を暗号文ドメインから分離し、平文空間で事前計算されたチャレンジ値に対して整合性チェックを実施することで、入力データを露呈せずにクライアント側での検証を実現する。
• 整数上でのリングLWE基盤FHE方式（例：BFV、BGV）に統合し、SIMDおよび非線形演算と互換性を持つようにする。
• 任意の同型演算、特に暗号化された機械学習やゲノム解析のような複雑なパイプラインの検証を可能にする、即時利用可能なシステムVeritasを実装する。
• ReQ（冗長クエリ）およびPoC（概念実証）技術を用いて通信および計算を最適化し、クライアントに送信されるデータ量を削減しながら検証性を維持する。

実験結果

リサーチクエスチョン

• RQ1 現代の格子基盤FHE方式におけるすべての基本的演算（再線形化、回転、ブートストラップを含む）に対して検証可能計算が達成可能か？
• RQ2 暗号文ドメインから平文空間への検証移行を実現しつつ、セキュリティやパフォーマンスに影響を与えない効率的検証エンコーディングを設計可能か？
• RQ3 入力データが完全に入手できない状況においても、マルチパーティおよびリソース制限環境のクライアントに対して検証を実用可能にする方法は？
• RQ4 暗号化検索、ゲノム解析、ML学習/推論など多様なプライバシー保護ワークロードにおいて、エンドツーエンド検証を有効化した際のパフォーマンスオーバーヘッドはどの程度か？
• RQ5 提案手法がHE方式の柔軟なパrameter化をサポートしつつ、高度な演算と低コスト検証を両立できるか？

主な発見

• Veritasは、再線形化や回転といったキーオペレーションを含む、すべての標準HE演算の検証を可能にしている。これに対して、従来の手法は再線形化や回転の検証を除外していた。
• ゲノム疾患予測のような複雑なワークロードに対しても、クライアントおよびサーバーの計算および通信オーバーヘッドがベースラインHEの3倍未満に抑えられる。
• リピケーションベース型エンコーディングはデータの冗長性により強固なエラー検出を実現し、コンパクト型エンコーディングは検証コストを低減する。両者はセキュリティと効率性のトレードオフを提供する。
• 検証チャレンジの事前計算は入力データとは独立して実行可能であり、マルチパーティ環境への導入や計算能力が限られたクライアントのサポートを可能にする。
• 評価により、ライドシェアリング、ゲノムデータ解析、暗号化検索、機械学習の学習および推論など多様な応用分野における実用性が示された。
• 表現力および効率性の面で先行手法を上回り、SNARKや同型MACとの不適合性により対応できなかった変動可能なHEパrameterおよび複雑なパイプラインをサポートする。