CrypTFlow:安全的 TensorFlow 推理
密码学与安全
2020-03-20 v2 机器学习
编程语言
摘要
我们提出 CrypTFlow,这是首个将 TensorFlow 推理代码一键转换为安全多方计算(MPC)协议的系统。为此,我们构建了三个组件。第一个组件 Athos 是从 TensorFlow 到多种半诚实 MPC 协议的端到端编译器。第二个组件 Porthos 是一种改进的半诚实三方协议,为类 TensorFlow 应用提供了显著加速。最后,为提供恶意安全 MPC 协议,我们的第三个组件 Aramis 是一种利用具有完整性保证的硬件将任何半诚实 MPC 协议转换为提供恶意安全性 MPC 协议的新技术。Aramis 输出的协议的恶意安全性依赖于硬件的完整性和 MPC 的半诚实安全性。此外,我们的系统与明文 TensorFlow 的推理精度相匹配。我们通过展示在 ImageNet 数据集上对 ResNet50 和 DenseNet121 等真实世界神经网络的安全推理来实验证明我们系统的能力,半诚实安全性下运行时间约 30 秒,恶意安全性下不到两分钟。该安全推理领域的先前工作仅限于在 MNIST 或 CIFAR 等微小数据集上小型网络的半诚实安全性。即使在 MNIST/CIFAR 上,CrypTFlow 也优于先前工作。
引用
@article{arxiv.1909.07814,
title = {CrypTFlow: Secure TensorFlow Inference},
author = {Nishant Kumar and Mayank Rathee and Nishanth Chandran and Divya Gupta and Aseem Rastogi and Rahul Sharma},
journal= {arXiv preprint arXiv:1909.07814},
year = {2020}
}
备注
To appear at 41st IEEE Symposium on Security and Privacy 2020. Code available at: https://github.com/mpc-msri/EzPC