Perun:支持GPU的安全多方机器学习框架
机器学习
2021-06-04 v1 人工智能
密码学与安全
摘要
机密多方机器学习(ML)允许多方执行协作数据分析,同时不泄露其知识产权,如ML源代码、模型或数据集。基于同态加密的最先进方案带来了巨大的性能开销。基于硬件的方案,如可信执行环境(TEEs),在推理计算中显著提升了性能,但由于受保护内存的有限可用性和缺乏GPU支持,在训练计算(如深度神经网络模型训练)中仍性能低下。为解决该问题,我们设计并实现了Perun,一个机密多方机器学习框架,允许用户权衡安全性与性能。Perun在硬件加速器(如GPU)上执行ML训练,同时利用可信计算技术(如可信平台模块和完整性度量架构)提供安全保证。计算密集度较低的工作负载(如推理)仅在TEE内执行,从而具有更小的可信计算基。评估表明,在CIFAR-10和真实世界医疗数据集上的ML训练期间,Perun相比纯TEE方案实现了161倍至1560倍的加速。
引用
@article{arxiv.2103.16898,
title = {Perun: Secure Multi-Stakeholder Machine Learning Framework with GPU Support},
author = {Wojciech Ozga and Do Le Quoc and Christof Fetzer},
journal= {arXiv preprint arXiv:2103.16898},
year = {2021}
}