[논문 리뷰] Coded Computing for Boolean Functions

Chien-Sheng Yang, A. Salman Avestimehr|arXiv (Cornell University)|2020. 01. 23.

Stochastic Gradient Optimization Techniques인용 수 2

한 줄 요약

이 논문은 불리안 함수를 저차수 다항식과 임계값 함수의 조합으로 모델링하여 분산 계산에서 최적의 보안 임계치를 달성하는 세 가지 새로운 코딩 계산 기법—코딩된 ANF, 코딩된 DNF, 코딩된 PTF—을 제안한다. 이러한 구성 요소를 중심으로 계산을 재구조화함으로써, 특히 고차수 불리안 함수에 대해 기존의 라그랑주 코딩 계산(Lagrange Coded Computing)에 비해 비잔티노스 워커에 대한 내성성을 크게 향상시키며, 복호화 오버헤드를 낮춘다.

ABSTRACT

The growing size of modern datasets necessitates a massive computation into smaller computations and operate in a distributed manner for improving overall performance. However, the adversarial servers in the distributed computing system deliberately send erroneous data in order to affect the computation for their benefit. Computing Boolean functions is the key component of many applications of interest, e.g., the classification problem, verification functions in the blockchain and the design of cryptographic algorithm. In this paper, we consider the problem of computing the Boolean function in which the computation is carried out distributively across several workers with particular focus on security against Byzantine workers. We note that any Boolean function can be modeled as a multivariate polynomial which have high degree in general. Hence, the recent proposed Lagrange Coded Computing (LCC) can be used to simultaneously provide resiliency, security, and privacy. However, the security threshold (i.e., the maximum number of adversarial workers can be tolerated) provided by LCC can be extremely low if the degree of polynomial is high. Our goal is to design an efficient coding scheme which achieves the optimal security threshold with low decoding overhead. We propose three different schemes called coded Algebraic normal form (ANF), coded Disjunctive normal form (DNF) and coded polynomial threshold function (PTF). Instead of modeling the Boolean function as a general polynomial, the key idea of the proposed schemes is to model it as the concatenation of some low-degree polynomials and the threshold functions.

연구 동기 및 목표

• 대규모 데이터 처리 시스템에서 비잔티노스 워커에 의해 위협받는 불리안 함수의 분산 계산을 보호하는 데 있어 핵심 과제를 해결한다.
• 기존의 라그랑주 코딩 계산(Lagrange Coded Computing, LCC)이 불리안 함수의 고차수 다항식 표현을 다룰 때 낮은 보안 임계치를 겪는 한계를 극복한다.
• 복호화 복잡성과 계산 오버헤드를 최소화하면서도 강력한 보안 보장을 유지하는 효율적인 코딩 기법을 설계한다.
• 불리안 함수의 대수적 구조를 활용하여 이론적으로 최대 보안 임계치—즉, 시스템이 견딜 수 있는 최대 수의 악성 워커 수—를 달성한다.
• 블록체인 검증, 분류, 암호 알고리즘 설계와 같은 응용 분야에서 보안 분산 계산의 실용적 구현을 가능하게 한다.

제안 방법

• 일般적인 고차수 다항식이 아닌, 저차수 다항식과 임계값 함수의 구조적 조합으로 불리안 함수를 모델링하여 복잡성을 감소시킨다.
• 세 가지의 구별된 기법—코딩된 대수적 정규형(Algebraic Normal Form, ANF), 코딩된 분리정규형(Disjunctive Normal Form, DNF), 코딩된 다항식 임계값 함수(Polynomial Threshold Function, PTF)—을 제안하며, 각각 불리안 함수의 다른 구조적 표현 방식에 맞게 설계된다.
• ANF와 DNF의 대수적 성질을 활용하여 불리안 함수를 더 단순한 저차수 성분들로 분해함으로써 효율적인 인코딩과 분산 처리를 가능하게 한다.
• 임계값 함수를 사용하여 논리적 조건을 표현함으로써, 악성 워커 존재 상황에서도 안전한 집계와 오류 탐지 기능을 제공한다.
• 함수 표현의 구조를 활용하여 정확성과 보안을 보장하는 인코딩 및 복호화 절차를 설계함으로써 복호화 오버헤드를 최소화한다.
• 구성에 따라 이론적으로 최대 보안 임계치—즉, 워커 수에서 시스템이 견딜 수 있는 최대 악성 워커 수를 뺀 값—에 도달하도록 보장한다.

실험 결과

연구 질문

• RQ1 불리안 함수를 고보안과 낮은 복호화 오버헤드를 동시에 확보할 수 있는 방식으로 표현할 수 있는가?
• RQ2 불리안 함수가 고차수 다항식으로 표현될 경우, 기존 코딩 계산 기법의 보안 임계치를 어떻게 향상시킬 수 있는가?
• RQ3 불리안 함수를 저차수 다항식 성분과 임계값 함수로 분해함으로써 비잔티노스 워커에 대한 내성성은 어느 정도 향상될 수 있는가?
• RQ4 코딩된 불리안 함수 계산에서 보안, 복호화 복잡성, 계산 효율성 간의 최적 트레이드오프는 무엇인가?
• RQ5 제안된 기법들이 악성 워커 존재 조건 하에서도 이론적으로 최대 보안 임계치에 도달할 수 있는가?

주요 결과

• 제안된 코딩된 ANF, DNF, PTF 기법들은 최적의 보안 임계치를 달성하여, 주어진 시스템 구성 조건에서 최대 가능한 수의 비잔티노스 워커를 견딜 수 있다.
• 불리안 함수를 저차수 다항식과 임계값 함수의 조합으로 표현함으로써, 다항식 차수가 높을 경우 발생하는 라그랑주 코딩 계산의 보안 저하 문제를 피할 수 있다.
• 제안된 기법에서 유도되는 복호화 오버헤드는 일반적인 목적의 LCC에 비해 상당히 낮으며, 특히 고차수 불리안 함수에 대해 뚜렷하게 유리하다.
• 블록체인 검증, 분류 작업, 암호 함수 설계와 같은 실제 응용 분야에 적용 가능하며, 여기서 불리안 함수 계산이 핵심 역할을 한다.
• 불리안 함수의 구조적 분해를 통해 비신뢰할 수 있는 워커가 존재하는 분산 환경에서 더 나은 확장성과 강건성을 확보할 수 있다.
• 이론적 분석을 통해 제안된 기법이 가정된 모델 하에서 정보 이론적 보안을 비잔티노스 공격자에 대해 달성함을 확인하였다.