基于仅加法同态加密的高度可扩展 Beaver 三元组生成器

在卷积神经网络中，线性标量积、非线性激活函数与最大池化计算的组合被密集调用。因此，为设计实现隐私保护、高效率的机器学习机制，亟需一种用于安全算术计算的实用密码学工具。SPDZ 作为一种有趣的安全多方计算框架，若能高效离线生成 Beaver（乘法）三元组，则是有望部署于工业级机器学习开发的 promising 技术。本文研究利用隐私保护标量积协议的安全且高效的 Beaver 三元组生成器，而该协议又可基于仅加法同态加密（AHEs）构造。与最先进方案不同——后者中一方先将私有输入拆分为共享向量，再调用 AHE 计算由各 MPC 服务器管理的共享向量的标量积——我们在两方共享标量积协议背景下形式化 Beaver 三元组生成器，然后将生成的共享分发给 MPC 服务器。因此，本文协议可视为最先进 AHE 方案的双重构造。此外，不同于以 Paillier 加密作为我们先前构造的基础或继承自某种同态加密，我们提出一种基于多项式环带误差学习（RLWE）的 AHE 替代构造，从而实现高效的 Beaver 三元组生成器。