[논문 리뷰] ASTRA: High Throughput 3PC over Rings with Application to Secure Prediction

Harsh Chaudhari, Ashish Choudhury외 2명|IACR Cryptology ePrint Archive|2019. 12. 05.

Cryptography and Data Security인용 수 14

한 줄 요약

ASTRA는 2^ℓ 모듈로에서의 3-party 계산(3PC) 프로토콜을 처음으로 구체적으로 효율적으로 설계하여 통신 비용을 기록적으로 낮췄다: 반간의 설정에서는 승수 게이트당 2개의 링 원소, 악성 설정에서는 4개의 링 원소를 사용하며 이는 이전 작업보다 5개의 원소를 개선한 것이다. 이 프로토콜은 선형 회귀, 서포트 벡터 머신(SVM), 로지스틱 회귀에 대한 고속도 보안 예측을 가능하게 하여, 제한된 대역폭 조건에서 기존 최고 수준의 프레임워크인 ABY3에 비해 온라인 처리량을 최대 15배 높였다.

ABSTRACT

The concrete efficiency of secure computation has been the focus of many recent works. In this work, we present concretely-efficient protocols for secure $3$-party computation (3PC) over a ring of integers modulo $2^{\ell}$ tolerating one corruption, both with semi-honest and malicious security. Owing to the fact that computation over ring emulates computation over the real-world system architectures, secure computation over ring has gained momentum of late. Cast in the offline-online paradigm, our constructions present the most efficient online phase in concrete terms. In the semi-honest setting, our protocol requires communication of $2$ ring elements per multiplication gate during the {\it online} phase, attaining a per-party cost of {\em less than one element}. This is achieved for the first time in the regime of 3PC. In the {\it malicious} setting, our protocol requires communication of $4$ elements per multiplication gate during the online phase, beating the state-of-the-art protocol by $5$ elements. Realized with both the security notions of selective abort and fairness, the malicious protocol with fairness involves slightly more communication than its counterpart with abort security for the output gates {\em alone}. We apply our techniques from $3$PC in the regime of secure server-aided machine-learning (ML) inference for a range of prediction functions-- linear regression, linear SVM regression, logistic regression, and linear SVM classification. Our setting considers a model-owner with trained model parameters and a client with a query, with the latter willing to learn the prediction of her query based on the model parameters of the former. The inputs and computation are outsourced to a set of three non-colluding servers. Our constructions catering to both semi-honest and the malicious world, invariably perform better than the existing constructions.

연구 동기 및 목표

• 일개의 위협을 견딜 수 있는 3PC 프로토콜을 설계하여 링에서의 구체적 효율성을 확보하고, 반간 및 악성 보안 모두를 지원한다.
• 특히 고속도 환경에서 승수 게이트당 온라인 통신 오버헤드를 최소화한다.
• 세 명의 상호 협력하지 않는 서버를 이용해 선형 회귀, 서포트 벡터 머신(SVM), 로지스틱 회귀와 같은 효율적인 보안 머신러닝 추론을 가능하게 한다.
• 프로토콜 설계에서 비대칭 통신 패턴을 활용하여 비대칭 네트워크 조건에 대한 내성을 향상시킨다.
• 최소한의 성능 저하로 악성 설정에서 공정성과 선택적 중단 보안을 달성한다.

제안 방법

• 비용이 많이 들지만 입력과 무관한 사전 계산을 오프라인 단계에서 수행하여 온라인 평가를 가속화하는 이중 단계 오프라인-온라인 모델을 사용한다.
• 온라인 승수 게이트 평가 중 통신을 최소화하기 위해 링에서의 맞춤형 선형 비밀공유 체계를 적용한다.
• 분류 작업에서 핵심적인 보안 비교를 위해, 이전 작업보다 라운드 수와 통신량을 줄인 최적화된 비교 프로토콜을 도입한다.
• 링의 구조를 활용하여 실제 시스템 산술을 모방함으로써 효율적이고 정확한 보안 계산을 가능하게 한다.
• 악성 설정에서는 정확성과 공정성을 보장하기 위해 영지식 증명과 일致성 검증을 통합하며, 공정성과 중단 보안을 위한 별도 최적화를 수행한다.
• 역할 비대칭을 허용함으로써, 데이터를 적게 처리하는 당사자들이 통신이 많은 역할을 맡을 수 있도록 하여 대역폭 비대칭 조건에서도 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 3PC over rings는 온라인 단계에서 승수 게이트당 최소한의 통신량을 확보하면서도 구체적으로 효율적으로 설계될 수 있는가?
• RQ2 머신러닝 응용 분야에서 3PC의 보안 비교를 최적화하여 통신량과 라운드 수를 줄일 수 있는가?
• RQ3 특히 일부 통신 링크가 느린 경우, 비대칭 대역폭 조건에서도 프로토콜이 고속도를 유지할 수 있는가?
• RQ4 보안 예측 워크로드에서 반간 3PC와 악성 3PC 간의 성능 격차는 어느 정도인가?
• RQ5 기계학습 모델의 승수 깊이가 증가함에 따라 프로토콜은 어떻게 스케일링되는가?

주요 결과

• 반간 3PC 프로토콜은 온라인 단계에서 승수 게이트당 단지 2개의 링 원소만 필요하며, 당사자당 비용이 한 개 이하의 원소에 머무르는 최초의 결과이다.
• 악성 3PC 프로토콜은 승수 게이트당 통신량을 4개의 원소로 줄여 기존 최고 수준의 성능을 5개의 원소 향상시켰다.
• LAN 환경에서는 분류 작업에서 악성 설정에서 ABY3 대비 최대 15배 높은 온라인 처리량을 달성했다. 특히 대역폭 제한 조건에서 두드러졌다.
• WAN 조건에서는 대역폭 제한 링크가 존재하는 악성 설정에서도 ABY3 대비 3.75배 높은 처리량을 유지했다.
• 비대칭 통신 설계 덕분에 특정 서버 쌍 간의 대역폭이 감소할 경우 성능 저하가 최소화되며, 대비로 대칭 프로토콜은 심각한 처리량 감소를 겪는다.
• 분류 작업에서의 보안 비교를 위해 통신량과 라운드 수를 줄였고, 빈번한 비교를 포함한 워크로드에서 성능 향상이 뚜렷했다.