[论文解读] Machine Learning on Cloud with Blockchain: A Secure, Verifiable and Fair Approach to Outsource the Linear Regression for Data Analysis

Hanlin Zhang, Peng Gao+3 more|arXiv (Cornell University)|Jan 7, 2021

Blockchain Technology Applications and Security参考文献 41被引用 4

一句话总结

本文提出了一种安全、可验证且公平的框架，利用区块链技术将线性回归外包给不受信任的云服务器。通过应用输入/输出混淆技术并利用以太坊智能合约，该方案确保了数据隐私，支持对结果的公开验证，并通过去中心化信任机制保证支付公平性，在实验中展现出强大的安全性和效率。

ABSTRACT

Linear Regression (LR) is a classical machine learning algorithm which has many applications in the cyber physical social systems (CPSS) to shape and simplify the way we live, work and communicate. This paper focuses on the data analysis for CPSS when the Linear Regression is applied. The training process of LR is time-consuming since it involves complex matrix operations, especially when it gets a large scale training dataset In the CPSS. Thus, how to enable devices to efficiently perform the training process of the Linear Regression is of significant importance. To address this issue, in this paper, we present a secure, verifiable and fair approach to outsource LR to an untrustworthy cloud-server. In the proposed scheme, computation inputs/outputs are obscured so that the privacy of sensitive information is protected against cloud-server. Meanwhile, computation result from cloud-server is verifiable. Also, fairness is guaranteed by the blockchain, which ensures that the cloud gets paid only if he correctly performed the outsourced workload. Based on the presented approach, we exploited the fair, secure outsourcing system on the Ethereum blockchain. We analysed our presented scheme on theoretical and experimental, all of which indicate that the presented scheme is valid, secure and efficient.

研究动机与目标

• 解决将线性回归外包给不受信任的云服务器时面临的数据隐私、结果可验证性和支付公平性挑战。
• 设计一种方案，防止敏感的输入和输出数据在云环境中暴露。
• 在不泄露私有信息的前提下，实现对计算结果的公开验证。
• 通过区块链作为无信任中介，确保只有在正确执行后才向云服务器支付，从而保障公平性。
• 在以太坊区块链上实现并评估一个可实际部署的端到端系统。

提出的方法

• 采用基于初等变换的技术对输入和输出数据进行混淆，确保在云环境中计算期间的数据隐私。
• 设计一种公开可验证的验证协议，无需在区块链上暴露私有数据。
• 利用以太坊智能合约自动执行并强制支付，仅在结果成功验证后才触发。
• 构建一个去中心化系统，使区块链作为无信任中间人，验证结果并管理支付流程。
• 开发一个全栈系统，包含智能合约和图形用户界面，实现端到端的安全外包。
• 在安全计算阶段采用矩阵运算，并结合类似同态加密的混淆机制，防止对输入数据的逆向工程。

实验结果

研究问题

• RQ1 如何在保护数据隐私的前提下，将线性回归安全地外包给不受信任的云服务器？
• RQ2 如何在不暴露私有输入的前提下，公开验证云服务器计算结果的正确性？
• RQ3 如何在外包过程中确保公平性，以防止不支付或不执行的情况？
• RQ4 基于区块链的系统能否有效充当安全且公平的机器学习外包的无信任中介？
• RQ5 所提出的方案在实际部署中的实际效率和可扩展性如何？

主要发现

• 所提出的方案通过有效混淆输入和输出数据，实现了安全的外包，防止了不受信任的云服务器对数据的泄露。
• 验证过程具有公开可验证性，即任何人无需访问私有数据即可验证结果，从而增强了透明度和信任度。
• 基于区块链的系统通过仅在验证成功后自动触发支付，确保了公平性，消除了不支付或恶意行为的风险。
• 实验评估证实了该方案的高效性，客户端计算时间在将任务外包给云服务器后显著减少。
• 在以太坊上的实现证明了其可行性，智能合约成功管理了结果验证和支付工作流。
• 通过理论分析和实证评估，证明了该系统在正确性、安全性和效率方面均表现良好。