C2PI：一种高效的密码清晰两方神经网络私有推理
密码学与安全
2023-04-27 v1
摘要
近来，私有推理（PI）以机器学习推理即服务的方式，解决了数据与模型隐私日益增长的担忧。然而，由于昂贵的多方计算（MPC）协议，现有 PI 框架承受着高昂的计算与通信成本。现有文献已开发更轻量的 MPC 协议以产生更高效的 PI 方案。相反，我们提出通过引入经验定义的隐私评估来减轻其负担。为此，我们重新表述了 PI 的威胁模型，并使用推理数据隐私攻击（IDPA）来评估数据隐私。随后，我们提出一种增强的 IDPA，名为基于蒸馏的逆网络攻击（DINA），用于改进的隐私评估。最后，我们利用 DINA 的发现提出 C2PI，一种两方 PI 框架，呈现神经网络模型的高效划分，仅需最初几层使用 MPC 协议执行。基于我们的实验评估，放宽形式化数据隐私保证使 C2PI 在 LAN 和 WAN 设置下分别将现有 PI 框架（包括 Delphi [1] 和 Cheetah [2]）加速多达 2.89 倍和 3.88 倍，并节省多达 2.75 倍的通信成本。
引用
@article{arxiv.2304.13266,
title = {C2PI: An Efficient Crypto-Clear Two-Party Neural Network Private Inference},
author = {Yuke Zhang and Dake Chen and Souvik Kundu and Haomei Liu and Ruiheng Peng and Peter A. Beerel},
journal= {arXiv preprint arXiv:2304.13266},
year = {2023}
}