层次化安全聚合的用户 collusion 情况下的最优通信与密钥速率区域

安全聚合关注的是多个用户将其输入安全地上传到聚合服务器，而不让服务器了解除它们求和之外的其他信息。这一技术在分布式机器学习范式中广泛应用，例如联邦学习 (FL)，其中多个客户端各自拥有专有数据集，定期上传其本地训练的模型（抽象为输入），聚合服务器随后生成一个聚合后的模型（如平均模型），并将其发送回客户端作为新一轮本地训练的初始化点。为增强客户端的数据隐私，安全聚合协议利用密码学技术开发，确保即使服务器可以与部分用户 collude 也只能推断出用户输入的求和信息。尽管为理解安全聚合中实用-安全性权衡奠定了基础，但简单的星形客户端-服务器架构无法捕捉实际系统中使用的更复杂的网络架构。受层次化联邦学习的启发，我们研究了由聚合服务器通过中间继电器层连接的聚类用户构成的 3 层层次化网络中的安全聚合问题。除了常规的服务器安全要求（即服务器仅学习输入的求和），还施加继电器安全要求，使得继电器对用户输入毫无了解。针对这种层次化安全聚合 (HSA) 问题，我们 characterize 了用户到继电器和继电器到服务器通信速率与密钥生成效率（即 individual key 和 source key 速率）之间的 optimal 多维权衡。