[논문 리뷰] Asymmetric Private Set Intersection with Applications to Contact Tracing and Private Vertical Federated Machine Learning

Nick Angelou, Ayoub Benaissa외 10명|arXiv (Cornell University)|2020. 11. 18.

Privacy-Preserving Technologies in Data참고 문헌 38인용 수 22

한 줄 요약

이 논문은 대칭이 아닌 비공개 집합 교차(PSI) 및 PSI-카디널리티(PSI-C)를 위한 오픈소스 다국어 라이브러리를 제시한다. 이 라이브러리는 DDH 기반密码학과 블룸 필터 압축을 결합하여 통신 오버헤드를 감소시킨다. 라이브러리는 x86 및 브라우저 환경에서 C++, C, Go, JavaScript, Python, Rust, WebAssembly를 지원하며, 낮은 다국어 오버헤드로 높은 성능을 달성하고, 엔드 투 엔드 데이터 보호를 통한 프라이버시 보장 접촉 추적 및 수직 분할된 연합 학습을 가능하게 한다.

ABSTRACT

We present a multi-language, cross-platform, open-source library for asymmetric private set intersection (PSI) and PSI-Cardinality (PSI-C). Our protocol combines traditional DDH-based PSI and PSI-C protocols with compression based on Bloom filters that helps reduce communication in the asymmetric setting. Currently, our library supports C++, C, Go, WebAssembly, JavaScript, Python, and Rust, and runs on both traditional hardware (x86) and browser targets. We further apply our library to two use cases: (i) a privacy-preserving contact tracing protocol that is compatible with existing approaches, but improves their privacy guarantees, and (ii) privacy-preserving machine learning on vertically partitioned data.

연구 동기 및 목표

• 실제 구현에서 PSI 및 PSI-C를 모두 지원하는 크로스플랫폼, 다국어 PSI 라이브러리의 부족을 보완하기 위해.
• 서버 측 데이터의 블룸 필터 기반 압축을 통해 비대칭 PSI 환경에서의 통신 복잡도를 감소시키기 위해.
• 접촉 추적 및 수직 분할된 머신러닝과 같은 민감한 분야에서 프라이버시 보장 프로토콜의 실용적 구현을 가능하게 하기 위해.
• 현대 프로그래밍 언어와 브라우저 환경에서의 1급 지원을 제공하는 프로덕션 준비된 오픈소스 구현을 제공하기 위해.
• 실제 사용 사례를 통해 라이브러리의 실용성을 입증하기 위해: 프라이버시 보장 접촉 추적 및 안전한 수직 연합 학습.

제안 방법

• 프로토콜은 서버 측 블룸 필터를 사용해 암호화된 집합을 압축함으로써 비대칭 환경에서의 통신을 감소시키는 DDH 기반 PSI 프레임워크를 사용한다.
• 클라이언트는 랜덤 키를 전송하고 블룸 필터를 쿼리하여 잠재적 교차를 식별하며, 서버는 필터와 일치하는 암호화된 요소를 응답한다.
• 가짜 양성은 블룸 필터 파라미터로 제어되며, 공개 매개변수의 적절한 시뮬레이션을 통해 DDH 가정 하에 보안이 보장된다.
• 라이브러리는 C++, C, Go, JavaScript, Python, Rust에 바인딩을 제공하며, 브라우저 실행을 위해 WebAssembly로 컴파일된다.
• 성능 향상을 위해 프rotocol 버퍼를 사용한 직렬화와 C++ 코어에서 최적화된 타원곡선 연산을 활용한다.
• 더 통신 효율적인 변형으로 골롬 압축된 집합을 사용한 버전도 구현되었지만, 주요 실험에서는 완전히 평가되지 않았다.

실험 결과

연구 질문

• RQ1 비대칭 환경에서 통신 오버헤드를 최소화하면서도 강력한 프라이버시 보장을 유지하는 다국어 크로스플랫폼 PSI 라이브러리를 구축할 수 있는가?
• RQ2 실제 대규모 서버 측 데이터셋을 가진 구현에서, 블룸 필터 압축이 PSI의 통신 비용을 얼마나 효과적으로 감소시키는가?
• RQ3 브라우저 포함 다양한 프로그래밍 언어 및 실행 환경에서 성능을 얼마나 잘 유지할 수 있는가?
• RQ4 라이브러리가 기존 프로토콜보다 향상된 프라이버시 보장 접촉 추적을 실용적으로 가능하게 할 수 있는가?
• RQ5 PSI가 수직 분할된 연합 학습 파이프라인에 효과적으로 통합되어 학습 중 원본 데이터를 보호할 수 있는가?

주요 결과

• C++, C, Go, Python 간에 거의 동일한 성능를 달성하며, 언어 바인딩의 최소 오버헤드로 인해 타원곡선 연산이 주로 성능을 결정한다.
• WebAssembly 및 JavaScript 버전은 현대 브라우저에서 네이티브 C++ 대비 10배 이내의 성능 오버헤드를 보이며, 10만 개 요소에 대해 클라이언트 측 계산은 3분 이내로 수행된다.
• 온라인 단계의 총 통신량은 가장 유사한 이전 작업(Kales 등 [26])보다 크게 감소했으며, 프로토콜 버퍼 직렬화로 인해 略히 높은 설정 메시지 크기로 인해 약간의 증가가 있었다.
• 100만 개의 서버 요소와 1,000개의 클라이언트 요소에 대해 설정 메시지 크기는 241.54 MiB이며, 가짜 양성 비율은 10^-9이다.
• 라이브러리는 모든 주요 플랫폼과 프로그래밍 언어를 지원하여, 이러한 광범위한 언어 및 플랫폼 커버리지를 제공하는 첫 번째 PSI 라이브러리이다.
• 골롬 압축된 집합을 사용한 더 통신 효율적인 변형은 블룸 필터 대비 데이터 구조 크기를 줄였지만, 전체 평가는 향후 작업으로 남겨졌다.