FLASHE：面向跨机构联邦学习的加性对称同态加密
密码学与安全
2021-09-30 v2 分布式、并行与集群计算
机器学习
摘要
同态加密（HE）是一种很有前景的隐私保护技术，适用于跨机构联邦学习（FL），即各组织在去中心化数据上开展协作式模型训练。尽管其隐私保障很强，但通用 HE 方案会带来显著的计算与通信开销。已有工作采用批量加密来解决该问题，但在缓解通信开销方面仍非最优，且与稀疏化技术不兼容。本文提出 FLASHE，一种专为跨机构 FL 设计的 HE 方案。为抓住安全性与功能性的最低需求，FLASHE 舍弃了非对称密钥设计，仅涉及带随机数的模加法操作。根据是否适配稀疏化技术，FLASHE 以不同方式在计算效率上进行了优化。我们已将 FLASHE 实现为跨机构 FL 工业平台 FATE 之上的可插拔模块。与明文训练相比，FLASHE 仅使训练时间增加 ≤6%，且无通信开销。
引用
@article{arxiv.2109.00675,
title = {FLASHE: Additively Symmetric Homomorphic Encryption for Cross-Silo Federated Learning},
author = {Zhifeng Jiang and Wei Wang and Yang Liu},
journal= {arXiv preprint arXiv:2109.00675},
year = {2021}
}
备注
12 pages, 13 figures