[论文解读] Verifiable Computation with Massively Parallel Interactive Proofs

Justin Thaler, Mike Roberts+2 more|arXiv (Cornell University)|Feb 7, 2012

Cryptography and Data Security参考文献 15被引用 23

一句话总结

本文提出利用GPU加速，大幅降低可验证计算协议中的服务器端计算开销，使其在云环境中具备实际可部署性。通过利用Goldwasser-Kalai-Rothblum及其相关流式协议中的数据并行性，作者在服务器端实现了40–120倍的加速，在客户端实现了100倍的加速，将验证开销降低至未验证计算的100–500倍以内，从而证明了其在对正确性要求极高的应用场景中的实际可行性。

ABSTRACT

As the cloud computing paradigm has gained prominence, the need for verifiable computation has grown increasingly urgent. The concept of verifiable computation enables a weak client to outsource difficult computations to a powerful, but untrusted, server. Protocols for verifiable computation aim to provide the client with a guarantee that the server performed the requested computations correctly, without requiring the client to perform the computations herself. By design, these protocols impose a minimal computational burden on the client. However, existing protocols require the server to perform a large amount of extra bookkeeping in order to enable a client to easily verify the results. Verifiable computation has thus remained a theoretical curiosity, and protocols for it have not been implemented in real cloud computing systems. Our goal is to leverage GPUs to reduce the server-side slowdown for verifiable computation. To this end, we identify abundant data parallelism in a state-of-the-art general-purpose protocol for verifiable computation, originally due to Goldwasser, Kalai, and Rothblum, and recently extended by Cormode, Mitzenmacher, and Thaler. We implement this protocol on the GPU, obtaining 40-120x server-side speedups relative to a state-of-the-art sequential implementation. For benchmark problems, our implementation reduces the slowdown of the server to factors of 100-500x relative to the original computations requested by the client. Furthermore, we reduce the already small runtime of the client by 100x. Similarly, we obtain 20-50x server-side and client-side speedups for related protocols targeted at specific streaming problems. We believe our results demonstrate the immediate practicality of using GPUs for verifiable computation, and more generally that protocols for verifiable computation have become sufficiently mature to deploy in real cloud computing systems.

研究动机与目标

• 降低可验证计算协议中不受信任的云服务器的计算负担，使其适用于实际部署。
• 证明基于GPU的并行化可显著加速交互式证明系统中可验证计算的证明者与验证者组件。
• 表明提供正确性保证的开销现已足够小，足以适用于对正确性要求极高的应用场景，如军事计算或医疗数据处理。
• 识别并利用现有最先进协议中的数据并行性，以实现高效的GPU移植。
• 在不同证明长度与空间使用权衡下，评估通用及专用流式协议的GPU优化实现的性能表现。

提出的方法

• 作者在GPU架构上实现了通用GKR协议和专用F₂流式协议，重点利用矩阵与数组操作中的大规模数据并行性。
• 将数据结构重新组织为列优先存储顺序，以实现内存合并，最大化GPU内存带宽利用率。
• 证明者并行处理数据网格的独立行，每行的计算高度可并行化，并可在GPU的线程束（warps）间水平扩展。
• 验证者的计算也实现了并行化，得益于规则的内存访问模式和高算术强度。
• 实现使用CUDA内核高效执行核心子程序，如求和检查协议和模运算操作。
• 在不同输入大小和协议参数（如F₂协议中的h和v）下评估性能，并与串行CPU实现进行比较。

实验结果

研究问题

• RQ1 GPU加速能否将可验证计算协议中的服务器端延迟降低至未验证计算的500倍以内？
• RQ2 在GKR和F₂协议中，数据并行性在GPU加速中可被利用到何种程度？
• RQ3 证明长度与验证者空间使用量之间的权衡如何影响GPU优化的可验证计算协议的性能？
• RQ4 通过GPU加速，客户端验证成本能否降低一个数量级以上？
• RQ5 现代交互式证明系统中正确性保证的开销是否已足够小，足以在真实云工作负载中实用？

主要发现

• GPU实现对通用GKR协议的服务器端实现了40–120倍加速，将延迟降低至未验证计算的100–500倍以内。
• 对于专用F₂流式协议，作者观察到20–50倍的服务器端加速，当验证者空间使用量（v）相对于证明长度（h）较大时，最高可达60倍加速。
• 通过GPU加速，客户端验证时间减少了100倍，显著提升了轻量级客户端的实用性。
• 在所有测试输入大小下，验证者均实现了40–70倍加速，得益于规则的内存访问和高算术强度，性能提升稳定。
• 通过列优先数据布局实现内存合并，对实现GPU最佳性能至关重要，尤其在F₂协议中，其数据访问模式高度结构化。
• 结果表明，可验证计算的额外开销现已足够小，足以在对正确性要求极高的应用场景中实用，如军事计算和医疗数据处理。