VIRGOS：基于稀疏矩阵分解的垂直分割数据上安全图卷积网络
密码学与安全
2025-02-17 v1
摘要
安全计算图卷积网络（GCN）对于将其分析能力应用于社交/信用网络等隐私敏感数据至关重要。在GCN中，对稀疏且规模巨大的邻接矩阵进行乘法运算是训练/推理中的瓶颈。考虑一个具有个节点和条边的GCN，它导致的大规模通信开销。我们通过建模二分图并利用非零条目位置的单调性，提出一种协同设计，将安全多方计算（MPC）与矩阵稀疏性相结合。我们的稀疏矩阵分解将任意稀疏矩阵转换为由结构化矩阵之积表示。随后量身定制用于 oblivious permutation 和 selection 乘法的专用MPC协议，从而实现我们设计的安全稀疏矩阵乘法（）协议，针对这些结构化矩阵的安全乘法进行优化。综合这些技术后，通信复杂度降至，且常数轮数即可完成。基于，我们提出Virgos，一个在标准垂直分割图数据集上具有通信效率和内存友好性的安全双方框架。VIRGOS的性能在多种网络条件下经实证验证。
引用
@article{arxiv.2502.09808,
title = {VIRGOS: Secure Graph Convolutional Network on Vertically Split Data from Sparse Matrix Decomposition},
author = {Yu Zheng and Qizhi Zhang and Lichun Li and Kai Zhou and Shan Yin},
journal= {arXiv preprint arXiv:2502.09808},
year = {2025}
}