基于网络计算的高效安全聚合架构 NET-SA
密码学与安全
2025-03-05 v2 分布式、并行与集群计算
网络与互联网体系结构
摘要
隐私保护机器学习(PPML)使客户端能够在不共享私有数据集的情况下协同训练深度学习模型，但因梯度泄露攻击面临隐私泄露风险。现有方法利用安全聚合策略来增强 PPML，其中客户端利用掩码和秘密共享进一步保护梯度数据，同时容忍参与者掉线。然而，这些方法需要频繁的客户端间通信来协商密钥和执行秘密共享，导致巨大的通信开销。为解决此问题，我们提出 NET-SA，这是一种基于网络计算的高效安全聚合架构。NET-SA 采用种子同态伪随机生成器进行本地梯度掩码，并利用可编程交换机进行种子聚合。随后，基于掩码梯度和聚合种子，在中央服务器上进行准确且安全的梯度聚合。该设计通过消除种子协商和秘密共享的通信密集阶段，有效减少了通信开销，并由于克服了秘密共享的阈值限制，提高了对掉线的容错能力。在服务器集群和英特尔 Tofino 可编程交换机上的大量实验表明，与最新方法相比，NET-SA 在运行时性能提升最高可达 77 倍和 12 倍，总体客户端通信成本降低 2 倍。
关键词
引用
@article{arxiv.2501.01187,
title = {NET-SA: An Efficient Secure Aggregation Architecture Based on In-Network Computing},
author = {Qingqing Ren and Wen Wang and Shuyong Zhu and Zhiyuan Wu and Yujun Zhang},
journal= {arXiv preprint arXiv:2501.01187},
year = {2025}
}
备注
The reason for this withdrawal is that I did not obtain proper authorization from my academic supervisor before submission