面向匿名神经网络推理

我们提出了 funion，一个为神经网络推理提供端到端发送者-接收者不可链接性的系统。通过利用 Pigeonhole 存储协议和 Echomix 匿名系统中的 BACAP（盲化与能力）方案，funion 继承了现代混合网络的可证明安全保证。用户可以匿名地将输入张量存储在伪随机存储位置，委托计算服务通过神经网络对其进行处理，并在输入方和输出方之间无可追溯连接的情况下检索结果。这种存储-计算-存储范式同时掩盖了网络流量模式和计算工作负载特征，同时将执行时序量化为公共延迟桶。我们的安全分析表明，funion 在大致相同的信任假设下继承了 Echomix 的强元数据隐私保证，同时为生产规模工作负载引入了可接受的开销。我们的工作为用户提供了一个可访问的平台，使其能够向云服务提交完全匿名的推理查询。