Oblivious Multi-Party Machine Learning on Trusted Processors

• (2016)
• Ohrimenko O Schuster F Fournet C Mehta A Nowozin S Vaswani K Costa M

Abstruct

プライバシー保護のためのマルチパーティ機械学習では、複数の組織が個々のデータセットのプライバシーを保証しながら、協調的なデータ分析を実行することができます。このタスクに信頼できるSGXプロセッサを使用すると、高いパフォーマンスが得られますが、データに依存したアクセスパターンに起因するサイドチャネルの悪用を確実に防ぐために、機械学習アルゴリズムの慎重な選択、適応、および実装が必要です。本研究では、サポートベクターマシン、行列分解、ニューラルネットワーク、決定木、k-meansクラスタリングのために、データを可視化した機械学習アルゴリズムを提案する。Intel Skylakeプロセッサをベースとした我々の効率的な実装は、大規模で現実的なデータセットまでスケールアップし、高度な暗号マルチパーティ計算スキームをベースとした従来のアプローチよりも数桁低いオーバーヘッドで実現できることを示す。

Summary

• TEE (CPU内の保護された領域)を利用した計算
• マルチパーティ計算により従来手法より早い
• サイドチャネル攻撃に対処