SASH：基于SHPRG的高效安全聚合方案用于联邦学习
密码学与安全
2022-08-23 v2 分布式、并行与集群计算
摘要
为防止联邦学习系统中私有训练数据泄露，我们提出了一种基于种子同态伪随机生成器的新型安全聚合方案，命名为SASH。SASH利用SHPRG的同态特性简化了掩码与解掩码方案，使得每个客户端和服务器的开销与模型大小成线性关系，而与客户端数量无关。我们证明，即使面对最坏情况的合谋敌手，SASH也能保护训练数据隐私，同时能够在不增加额外开销的情况下容忍客户端退出。我们通过实验证明，SASH将效率显著提升至基线的20倍，尤其是在客户端数量和模型规模变大，且有一定比例的客户端退出系统的更现实场景中。
引用
@article{arxiv.2111.12321,
title = {SASH: Efficient Secure Aggregation Based on SHPRG For Federated Learning},
author = {Zizhen Liu and Si Chen and Jing Ye and Junfeng Fan and Huawei Li and Xiaowei Li},
journal= {arXiv preprint arXiv:2111.12321},
year = {2022}
}
备注
6 pages, 3 figures. The 38th Conference on Uncertainty in Artificial Intelligence. 2022