基于多方同态加密的联邦学习安全聚合
密码学与安全
2025-03-04 v1
摘要
联邦学习中的关键操作是来自各个客户端节点生成的梯度向量的聚合。我们发展了一种基于多方同态加密（MPHE）的方法，使中央节点能够计算此聚合值，同时仅接收每个 individual 梯度的加密版本。为此，我们扩展了经典的 MPHE 方法，以便即使只有部分客户端节点可用，仍能成功解密聚合向量。这通过在 MPHE 方案的设置阶段引入密钥共享步骤来实现，当生成公共加密密钥时。我们发展了保证解密正确性和（计算）安全性的 MPHE 参数条件。我们解释了我们的方法如何扩展以容纳在设置阶段不参与的客户端节点。我们还提出了每个客户端节点的梯度向量压缩方案，可轻松与我们的 MPHE 方案结合并进行相关的收敛分析。我们讨论了我们提出的方案与基于安全多方计算的其他方法的优势。最后我们讨论了一个实用系统的实现，比较了我们系统与不同方法的性能，表明通过将压缩与加密适当结合，与基线方案相比的开销相对较小。
引用
@article{arxiv.2503.00581,
title = {Secure Aggregation in Federated Learning using Multiparty Homomorphic Encryption},
author = {Erfan Hosseini and Shuangyi Chen and Ashish Khisti},
journal= {arXiv preprint arXiv:2503.00581},
year = {2025}
}