[论文解读] Coded Computing for Boolean Functions

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

Stochastic Gradient Optimization Techniques被引用 2

一句话总结

本文提出了三种新颖的编码计算方案——编码ANF、编码DNF和编码PTF，将布尔函数建模为低次多项式与阈值函数的组合，以在分布式计算中实现最优安全阈值。通过围绕这些组件重构计算，该方案在处理高次布尔函数时，相较于现有的拉格朗日编码计算（Lagrange Coded Computing），显著提升了对拜占庭式计算节点的鲁棒性，同时保持了较低的解码开销。

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.

研究动机与目标

• 解决大规模数据处理系统中，保护布尔函数分布式计算免受拜占庭式计算节点攻击的关键挑战。
• 克服现有拉格朗日编码计算（LCC）在处理布尔函数的高次多项式表示时安全阈值较低的局限性。
• 设计高效的编码方案，在最小化解码复杂度和计算开销的同时，维持强大的安全保证。
• 通过利用布尔函数的代数结构，实现最优安全阈值——即系统可容忍的恶意计算节点最大数量——以确保理论上的最大容错能力。
• 使安全分布式计算在区块链验证、分类任务以及密码算法设计等应用中的实际部署成为可能。

提出的方法

• 不将布尔函数视为一般的高次多项式，而是将其建模为低次多项式与阈值函数的结构化组合，以降低计算复杂度。
• 提出三种不同的方案：编码代数正规形式（ANF）、编码析取范式（DNF）和编码多项式阈值函数（PTF），分别针对布尔函数的不同结构表示形式进行优化。
• 利用ANF和DNF的代数特性，将布尔函数分解为更简单的低次组件，从而实现高效编码与分布式处理。
• 通过阈值函数表示逻辑条件，使系统能够在存在恶意计算节点的情况下实现安全聚合与错误检测。
• 设计编码与解码过程，通过利用函数表示的结构特性来保证正确性与安全性，同时将解码开销降至最低。
• 通过构造确保方案达到理论上的最大安全阈值——即等于计算节点总数减去系统可容忍的最大恶意节点数——以实现最优容错能力。

实验结果

研究问题

• RQ1 布尔函数是否可以以某种方式表示，使得在分布式计算中既能实现高安全性，又能保持低解码开销？
• RQ2 当布尔函数以高次多项式形式表示时，如何提升现有编码计算方案的安全阈值？
• RQ3 将布尔函数分解为低次多项式组件与阈值函数，在多大程度上能增强对拜占庭式计算节点的鲁棒性？
• RQ4 在编码布尔函数计算中，安全、解码复杂度与计算效率之间的最优权衡是什么？
• RQ5 所提出的方案是否能在存在恶意计算节点的情况下实现理论上的最大安全阈值？

主要发现

• 所提出的编码ANF、DNF与PTF方案实现了最优安全阈值，即在给定系统配置下可容忍最大数量的拜占庭式计算节点。
• 通过将布尔函数表示为低次多项式与阈值函数的组合，该方案避免了在高次多项式情况下拉格朗日编码计算中常见的安全性能下降问题。
• 与通用的LCC相比，所提方案引入的解码开销显著更低，尤其在处理高次布尔函数时优势明显。
• 这些方案适用于区块链验证、分类任务以及密码函数设计等实际应用，其中布尔函数计算是核心组成部分。
• 布尔函数的结构化分解使得在存在不可信计算节点的分布式环境中具备更好的可扩展性与鲁棒性。
• 理论分析证实，在所假设的模型下，该方案对拜占庭对手实现了信息论级别的安全性。