SONNI：安全的隐式神经网络推理

在标准的隐私保护机器学习即服务(MLaaS)模型中，客户端使用同态加密加密数据并上传至服务器进行计算。结果随后发送回客户端进行解密。越来越多的情况是将计算外包给第三方服务器。本文识别了该协议的一个弱点，使其能够进行完全不可检测的新型模型窃取攻击，称为银匠台攻击。即使在防止简单串联攻击窃取模型参数的多密钥加密下，该攻击也能工作。我们还提出了一种缓解措施，即使在恶意服务器和恶意客户端或模型提供者(多数不诚信)的情况下，仍能保护隐私。与采用 32k 参数的领先加密模型相比，我们在失败概率为 1.51×10⁻²⁸的前提下保持隐私，而批量能力仅下降 0.2%。我们的方法使用一种新颖的结果检查协议，确保计算正确执行而不违反诚实客户端的数据隐私。即使在客户端与服务器之间的串联，他们也无法窃取模型参数。此外，若模型提供者与服务器恶意合作，模型提供者也无法学习任何客户端数据。