增强 SMPC：在神经网络推理的可扩展性、内存效率与隐私之间架起桥梁
密码学与安全
2023-10-17 v1 机器学习
摘要
本文旨在开发一个高效的开源安全多方计算（SMPC）仓库，以解决在具有中等计算资源的机器上实用且可扩展地实现 SMPC 协议的问题，同时致力于减少执行时间。我们实现了用于 SMPC 的 ABY2.0 协议，为开发者提供在 ABY 2.0 协议上构建应用的有效工具。本文解决了基于 C++ 的 MOTION2NX 框架在安全神经网络推理中的局限性，包括内存约束与操作兼容性问题。我们的增强包括优化内存使用、利用第三方 Helper 节点减少执行时间，以及在保持数据隐私的同时提升效率。这些优化使得一个 5 层神经网络在仅 0.2 GB RAM 下仅需 32 秒即可完成 MNIST 数据集推理。相比之下，此前的基线实现需要 8.03 GB RAM 与 200 秒执行时间。
引用
@article{arxiv.2310.10133,
title = {Empowering SMPC: Bridging the Gap Between Scalability, Memory Efficiency and Privacy in Neural Network Inference},
author = {Ramya Burra and Anshoo Tandon and Srishti Mittal},
journal= {arXiv preprint arXiv:2310.10133},
year = {2023}
}