Kernekoncepter
해당 논문은 기존의 개인정보 보호 기계 학습에서의 확률적 절단 프로토콜의 문제점을 분석하고 해결책을 제안하는 데 초점을 맞추고 있습니다.
Resumé
논문은 정확성과 효율성 측면에서 확률적 절단 프로토콜 사용으로 발생하는 문제를 종합적으로 분석하고 논의하며 이에 대한 대응책을 제안합니다.
정확성 문제에 대한 분석과 해결책, 효율성 문제에 대한 분석과 새로운 결정론적 절단 프로토콜 및 모듈 전환 프로토콜 소개, DReLU/ReLU 프로토콜 설계, 키 비트 최적화, E2E PPML 추론 성능 향상 등이 포함됩니다.
논문 구조는 섹션별로 분할되어 있으며 각 섹션은 주요 하이라이트와 통찰을 제공합니다.
Statistik
"x = 0100 1011, R = 1110 0000, ℓ = 8, k = 4, [x]0 = x + R mod 28 = 0010 1011, [x]1 = −R mod 28 = 0010 0000" - 확률적 절단 프로토콜 예시
"trc(x, 4) = [trc(x, 4)]0 + [trc(x, 4)]1 mod 28-4 = (cut([x]0, 4) mod 28-4 - cut(-[x]1, 4) mod 28-4) mod 28-4 = 0010 - 1110 mod 28-4 = 0100" - 절단 프로토콜 결과
"trc(x, 4, 1) = [trc(x, 4, 1)]0 + [trc(x, 4, 1)]1 mod 28-4-1 = ((cut([x]0, 4, 1) mod 28-4-1 - cut(-[x]1, 4, 1) mod 28-4-1)) mod 28-4-1 = 010 - 110 mod 28-4-1 = 100" - 더 일반적인 절단 프로토콜 결과
Citater
"P(SecureML truncation failure) = P(e1) = P(x + R mod 2ℓ < x | x ∈ [0, 2ℓx)) = P(x < x + R mod 2ℓ | x ∈ (2ℓ − 2ℓx, 2ℓ)) = 1 / 2ℓ−ℓx−1" - 확률적 절단 프로토콜 실패 확률
"P(ABY3 truncation failure) = P(e1) = P(α = x + r mod 2ℓ < x | x ∈ [0, 2ℓx)) = P(x < α = x + r mod 2ℓ | x ∈ (2ℓ − 2ℓx, 2ℓ)) = 1 / 2ℓ−ℓx−1" - ABY3 절단 프로토콜 실패 확률