Bicoptor：无预处理的两轮安全三方非线性计算用于隐私保护机器学习
密码学与安全
2024-04-22 v4
摘要
非线性函数的开销主导了基于安全多方计算（MPC）的隐私保护机器学习（PPML）的性能。本工作引入一系列新颖的安全三方计算（3PC）协议Bicoptor，其提升了评估非线性函数的效率。Bicoptor的基础是一种新的符号判定协议，它巧妙利用了SecureML（S&P 2017）中提出的截断协议。我们的3PC符号判定协议仅需两轮通信，且不涉及任何预处理。此类符号判定协议非常适用于PPML中非线性函数的计算，例如激活函数ReLU、Maxpool及其变体。我们为这些非线性函数开发了合适的协议，构成一系列GPU友好的协议族Bicoptor。所有Bicoptor协议均只需两轮通信且无预处理。我们在公共云上的三方局域网下评估Bicoptor，每秒可实现超过370,000次DReLU/ReLU或41,000次Maxpool（求九个输入的最大值）操作。在相同设置与环境下的ReLU协议，相较最先进工作Falcon（PETS 2021）或Edabits（CRYPTO 2020），分别有一至两个数量级的提升（无批处理）。
引用
@article{arxiv.2210.01988,
title = {Bicoptor: Two-round Secure Three-party Non-linear Computation without Preprocessing for Privacy-preserving Machine Learning},
author = {Lijing Zhou and Ziyu Wang and Hongrui Cui and Qingrui Song and Yu Yu},
journal= {arXiv preprint arXiv:2210.01988},
year = {2024}
}
备注
Accepted at 44th IEEE Symposium on Security and Privacy (S&P 2023)