ENSEI：基于频域同态卷积的高效安全推理框架用于隐私保护视觉识别
密码学与安全
2021-11-02 v2 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出 ENSEI，一种基于频域安全卷积（FDSC）协议的安全推理（SI）框架，用于高效执行隐私保护视觉识别。我们的观察是，在同态加密与秘密共享相结合的情况下，同态卷积可在频域中 obliviously 执行，从而显著简化相关计算。我们给出了基于数论变换（NTT）的 FDSC 的协议设计与参数推导。在实验中，我们深入研究了时域与频域同态卷积在精度与效率之间的权衡。借助 ENSEI，与已知最优工作相比，我们实现了 5–11 倍的在线时间缩减、高达 33 倍的初始化时间缩减，以及高达 10 倍的整体推理时间缩减。在二值神经网络上，仅以 CIFAR-10 数据集上 1% 的精度下降为代价，可进一步获得 33% 的带宽缩减。
引用
@article{arxiv.2003.05328,
title = {ENSEI: Efficient Secure Inference via Frequency-Domain Homomorphic Convolution for Privacy-Preserving Visual Recognition},
author = {Song Bian and Tianchen Wang and Masayuki Hiromoto and Yiyu Shi and Takashi Sato},
journal= {arXiv preprint arXiv:2003.05328},
year = {2021}
}
备注
10 pages, 3 figures, in Proceedings of Conference on Computer Vision and Pattern Recognition (CVPR 2020)