초록

우리는 다자간 환경에서 완전 임계값(full threshold) 및 반정직(semi-honest) 보안 모델을 갖춘 새로운 MPC 프레임워크인 ‘Manticore’를 제안하며, 이 프레임워크는 실수 연산(산술 쉐어), 부울 연산(부울 쉐어) 및 가블드 서킷(Yao 쉐어)의 조합을 지원한다. 기존 연구[34,32]와 달리, Manticore는 머신 러닝 응용 분야에서 중요한 특징인 오버플로우가 전혀 발생하지 않는다. 이는 효율성이나 보안성을 저해하지 않으면서 달성된다. 산술 쉐어를 부울 쉐어로 변환하는 MP-SPDZ[17]와 같은 최근의 오버플로우 방지 기법들과 비교하여, 우리는 산술 영역 내에서 작동하는 새로운 고효율 모듈러 리프팅/트런케이션 방법을 도입한다. 우리는 산술, 부울 및 야오 쉐어 간의 기존 효율적인 변환 기법과 모듈식 리프팅을 결합하여 실수 다항식 평가, 나눗셈, 로그, 지수 및 비교와 같은 기본적인 MPC 연산들을 재검토합니다. 또한, PCA 및 블록 단위 변형(메모리 및 실행 시간 최적화를 위해)을 통해 실제 규모의 훈련 데이터와 높은 수치 정밀도를 지원하는 로지스틱 회귀 모델을 구현하는, 매우 효율적이고 확장 가능한 구현을 제공합니다. 두 플레이어에게 분산된 5천만 행, 50열 규모의 데이터셋에서, 이 솔루션은 최소 10자리의 정밀도로 하루 만에 처리를 완료합니다. 우리의 로지스틱 회귀 솔루션은 연례 iDASH’2020 경진대회 트랙 3에서 1위를 차지했습니다. 마지막으로, Manticore를 사용하여 구축한 새로운 무지(oblivious) 정렬 알고리즘에 대해 언급합니다.

키워드

다자간 계산 프로토콜 · 완전 임계값 보안 · 효율적인 구현 · 응용 암호학 · 수치 해석