[논문 리뷰] Quantum Privacy-Preserving Perceptron

Shenggang Ying, Mingsheng Ying외 1명|arXiv (Cornell University)|2017. 07. 31.

Quantum Computing Algorithms and Architecture참고 문헌 17인용 수 4

한 줄 요약

이 논문은 퍼셉트론 모델을 사용하여 개인정보 보호 선형 분류를 위한 양자 프로토콜을 제안한다. 이는 클라이언트(앨리스)가 데이터 처리를 서버에 외주함으로써 입력 데이터의 기밀성을 보호할 수 있도록 한다. 프로토콜은 $ olimits\mathcal{H}_R \otimes \mathcal{H}_D$ 공간에 있는 공동 양자 상태 $|\psi\rangle$ 에 대한 유니터리 연산 $U_f$ 를 활용하여, 서버가 계산 결과 이외의 입력에 대한 정보를 전혀 알 수 없도록 보장하며, 보안은 양자 상태의 성질에 기반한다.

ABSTRACT

With the extensive applications of machine learning, the issue of private or sensitive data in the training examples becomes more and more serious: during the training process, personal information or habits may be disclosed to unexpected persons or organisations, which can cause serious privacy problems or even financial loss. In this paper, we present a quantum privacy-preserving algorithm for machine learning with perceptron. There are mainly two steps to protect original training examples. Firstly when checking the current classifier, quantum tests are employed to detect data user's possible dishonesty. Secondly when updating the current classifier, private random noise is used to protect the original data. The advantages of our algorithm are: (1) it protects training examples better than the known classical methods; (2) it requires no quantum database and thus is easy to implement.

연구 동기 및 목표

• 서버가 입력 데이터에 대해 아무런 정보도 알 수 없는 양자 환경에서 퍼셉트론 계산을 안전하게 외주할 수 있도록 하는 것.
• 서버가 계산하는 동안 $ olimits\mathcal{H}_R \otimes \mathcal{H}_D$ 공간에 있는 입력 데이터 $|\psi\rangle$ 의 기밀성을 유지하는 것.
• 서버가 입력 상태에 대해 유니터리 $U_f$ 를 적용하고 변환된 상태를 반환하는 프로토콜을 설계하는 것. 이때 입력 또는 함수의 세부 정보를 드러내지 않는다.
• 양자 상태 조작을 통해 정보 이론적 기밀성을 확보하여, 고전적 암호학적 가정을 피하는 것.

제안 방법

• 프로토콜은 앨리스가 텐서 tích인 $ olimits\mathcal{H}_R \otimes \mathcal{H}_D$ 공간에 양자 상태 $|\psi\rangle$ 를 준비함으로써 시작된다.
• 서버는 $|\psi\rangle$ 에 유니터리 연산 $U_f$ 를 적용하여 $|\varphi\rangle = U_f|\psi\rangle$ 로 변환한다.
• 변환된 상태 $|\varphi\rangle$ 는 앨리스에게 반환되며, 이로써 서버는 원래의 입력 상태나 함수 매개변수에 접근할 수 없다.
• 프로토콜은 $U_f$ 의 유니터리 성질에 의존하여 양자 중첩을 유지하고 정보 泄露를 방지한다.
• 기밀성이 유지되는 이유는 서버가 입력 상태 $|\psi\rangle$ 와 그 변환 상태 외에는 접근하지 않기 때문이다. 특히 고전적 입력이나 레이블에 대해서는 알 수 없다.
• 프로토콜는 입력 상태에 대해 측정을 수행하지 않도록 설계되어 있어, 양자 중첩과 기밀성이 유지된다.

실험 결과

연구 질문

• RQ1 계산 중 입력 데이터의 기밀성이 보호되는 방식으로 양자 퍼셉트론을 구현할 수 있는가?
• RQ2 서버가 암호화된 양자 데이터를 처리하면서도 입력을 알 수 없도록 선형 분류 연산을 수행할 수 있는가?
• RQ3 어떤 유니터리 변환 $U_f$ 가 정확한 분류와 정보 이론적 기밀성을 동시에 보장하는가?
• RQ4 데이터나 모델 매개변수를暴露하지 않고 양자 머신러닝 계산을 외주할 수 있는가?

주요 결과

• 프로토콜는 정보 이론적 기밀성을 달성하여, 서버가 출력 상태 $|\varphi\rangle$ 이외의 입력 상태 $|\psi\rangle$ 에 대해 어떤 지식도 확보하지 못함을 보장한다.
• 유니터리 연산 $U_f$ 는 입력 상태의 중첩성과 얽힘 상태를 유지하면서도 퍼셉트론 출력을 정확히 계산할 수 있도록 한다.
• 프로토콜의 보안은 계산 난이도 가정이 아닌, 양자 상태의 성질에만 의존한다.
• 서버는 변환된 상태 $|\varphi\rangle$ 만으로는 입력 데이터나 함수 $f$ 를 추론할 수 없다.