[논문 리뷰] A review of homomorphic encryption and software tools for encrypted statistical machine learning

Louis J. M. Aslett, Pedro M. Esperança외 1명|arXiv (Cornell University)|2015. 08. 26.

Cryptography and Data Security참고 문헌 43인용 수 58

한 줄 요약

이 논문은 개인정보 보호를 위한 통계적 기계학습을 위한 동형 암호화(HE)를 검토하며, 통계학자와 기계학습 연구자들이 고려해야 할 실용적 제약과 이를 극복하기 위한 기법을 중심으로 다룬다. 본 논문은 Fan-Vercauteren HE 체계를 고성능으로 구현한 사용자 친화적인 HomomorphicEncryption R 패키지를 소개한다. 이 패키지는 R에서 암호화된 벡터와 행렬에 대해 투명하고 병렬화된 산술 연산을 통해 보안적인 동형 계산을 지원한다.

ABSTRACT

Recent advances in cryptography promise to enable secure statistical computation on encrypted data, whereby a limited set of operations can be carried out without the need to first decrypt. We review these homomorphic encryption schemes in a manner accessible to statisticians and machine learners, focusing on pertinent limitations inherent in the current state of the art. These limitations restrict the kind of statistics and machine learning algorithms which can be implemented and we review those which have been successfully applied in the literature. Finally, we document a high performance R package implementing a recent homomorphic scheme in a general framework.

연구 동기 및 목표

• 통계학자와 기계학습 연구자들이 동형 암호화와 그 통계 계산에 대한 실용적 제약에 대해 접근하기 쉬운 배경 지식을 제공하기 위해.
• 동형 암호화 제약 조건 하에서 성공적으로 구현할 수 있는 통계 및 기계학습 기법들을 식별하고 검토하기 위해.
• 최소한의 암호학적 전문 지식으로도 암호화된 데이터에 대한 엔드 투 엔드 동형 계산을 가능하게 하는 고성능 R 패키지를 제공하기 위해.
• 기존의 알고리즘을 HE의 운영 제약 조건 내에서 재구성함으로써 통계 분야에서 새로운 방법을 개발하도록 통계 공동체를 장려하기 위해.

제안 방법

• 통계 작업에 적합한 동형 암호화 체계를 중심으로 검토하며, 특히 Fan-Vercauteren(FV) 체계에 중점을 둔다.
• 암호화된 데이터 위에서 직접 복호화 없이 덧셈, 곱셈, 행렬 곱셈 등의 동형 연산이 어떻게 수행되는지 기술한다.
• 저수준 암호화 연산을 추상화한 고수준 R 패키지를 구현하여 사용자가 암호화된 벡터와 행렬에서 표준 R 산술 연산을 수행할 수 있도록 한다.
• 백엔드에서 다항식 및 임의 정밀도 산술 연산을 효율적으로 수행하기 위해 FLINT와 GMP 라이브러리를 활용한다.
• 암호화, 복호화 및 산술 연산 전반에 걸쳐 모든 CPU 코어를 활용한 투명한 다중 스레드 병렬 처리를 지원한다.
• 모든 연산 과정에서 데이터 구조(예: 벡터, 행렬)를 유지하며, 표준 R 인덱싱, 할당 및 %*% 및 diag와 같은 함수를 지원한다.

실험 결과

연구 질문

• RQ1 현재 기술적 제약 조건 하에서 동형 암호화와 호환되는 통계 및 기계학습 알고리즘은 무엇인가?
• RQ2 기본적인 R 연산을 어떻게 암호화된 데이터 위에서 안전하고 효율적으로 확장할 수 있으며, 이를 통해 평문을 폭 lộ하지 않을 수 있는가?
• RQ3 고수준 소프트웨어 인터페이스를 통해 벡터와 행렬에 대한 동형 연산의 성능 특성은 예상할 수 있는가?
• RQ4 통계 및 기계학습 분야의 비암호학자들이 개인정보 보호 분석을 위해 동형 암호화를 효과적으로 사용할 수 있는 방법은 무엇인가?
• RQ5 기존의 동형 암호화 체계가 보안 통계 알고리즘 설계를 제약하는 실용적 한계는 무엇인가?

주요 결과

• HomomorphicEncryption R 패키지는 최소한의 사용자 노력으로 Fan-Vercauteren 체계를 사용하여 암호화된 데이터에 대한 엔드 투 엔드 동형 계산을 가능하게 한다.
• 암호화된 데이터 상의 스칼라 덧셈은 약 0.003초의 시간이 소요되며, 벡터 덧셈(100개 원소)은 평균 0.58초가 소요된다.
• 암호화된 데이터 상의 행렬 곱셈(10×10)은 약 10.21초가 소요되어 동형 연산의 계산 비용을 보여준다.
• 패키지는 모든 CPU 코어를 활용한 투명한 다중 스레드 병렬 처리를 지원하여 대규모 계산에서 성능을 크게 향상시킨다.
• 시스템은 데이터 구조(예: 벡터, 행렬)를 정확히 유지하며, 인덱싱, 할당 및 행렬 곱셈 등 표준 R 연산을 모두 지원한다.
• 복호화 없이도 내적 및 행렬 연산과 같은 연산을 암호문 위에서 직접 수행할 수 있어 보안적인 개인정보 보호 통계 분석을 가능하게 한다.