MPC अनुप्रयोग: निजी सेट इंटरसेक्शन और मशीन लर्निंग

MPC सिद्धांत को व्यवहार में बदलता है। निजी समुच्चय प्रतिच्छेदन (PSI) और गोपनीयता-संरक्षित मशीन-अधिगम आज उद्योग में सबसे अधिक लागू किए जाने वाले MPC अनुप्रयोगों में से दो हैं।

PSI में एलिस के पास समुच्चय A और बॉब के पास समुच्चय B होता है। वे A∩B की गणना इस तरह करते हैं कि A\B या B\A के अवयवों के बारे में कुछ न सीखें। इसका उपयोग Google/Apple के संपर्क-अनुसरण, विज्ञापन धोखाधड़ी की पहचान और खतरा-खुफिया साझा करने में होता है।

दोनों समुच्चयों का हैश बनाकर तुलना करना तब असुरक्षित होता है जब समुच्चय छोटे हों — हमलावर सभी अवयवों को आज़मा सकता है। सुरक्षित PSI में प्रतिच्छेद का आकार भी छिपा होना चाहिए (या केवल प्रतिच्छेद ही प्रकट किया जाना चाहिए)।

अदृश्य PRF (OPRF): बॉब एलिस के अवयवों पर PRF का मूल्यांकन करता है, बिना उन अवयवों को जाने। एलिस प्रत्येक x∈A के लिए PRF(k, x) प्राप्त करती है। वह इसकी तुलना B के प्रत्येक y∈B के लिए बॉब द्वारा पहले से गणना किए गए PRF(k, y) से करती है।

सर्किट PSI, MPC सर्किट के भीतर प्रतिच्छेद की गणना करता है, जिससे प्रतिच्छेदित तत्वों पर आगे की गणना (जैसे खरीद राशियों का योग करना) की जा सकती है और यह भी प्रकट नहीं होता कि किन वस्तुओं का प्रतिच्छेद हुआ है।

PPML कई पक्षों के डेटा पर प्रशिक्षण देता है या अनुमान चलाता है। संघीय अधिगम डेटा को स्थानीय रखता है; MPC इससे भी आगे जाता है—यहाँ तक कि the मॉडल या समेकित प्रवणताएँ भी गुप्त भागों में विभाजित रहती हैं।

Google का 2017 का सुरक्षित समेकन प्रोटोकॉल: प्रत्येक client अपने प्रवणता अपडेट को गुप्त भागों में बाँटता है। सर्वर केवल योग का पुनर्निर्माण करता है। अलग-अलग अपडेट कभी उजागर नहीं होते, यहाँ तक कि the सर्वर के सामने भी नहीं।

CrypTen (Facebook/Meta) और MOTION, PyTorch-शैली के तंत्रिका नेटवर्क को गुप्त रूप से विभाजित इनपुट पर चलाने का समर्थन करते हैं। रैखिक परतें सस्ती होती हैं; अरैखिकताओँ (ReLU) के लिए बूलियन से अंकगणितीय रूपांतरण आवश्यक होता है।

ReLU(x) = max(0,x) में x की 0 से तुलना आवश्यक है—यह एक अरैखिक, गैर-अंकगणितीय क्रिया है। इसे गार्बल्ड सर्किट या बिट अपघटन द्वारा किया जाता है, और PPML में इसकी लागत सबसे अधिक होती है।

Apple का Private Relay PSI का उपयोग करता है। Meta निजी विज्ञापन मापन के लिए MPC का उपयोग करता है। IETF का PRIO प्रोटोकॉल (Firefox Telemetry में प्रयुक्त) गुप्त रूप से विभाजित समेकित आँकड़ों का उपयोग करता है।

PSI, पक्षों को OPRF के माध्यम से समुच्चय-प्रतिच्छेद की गणना निजी रूप से करने देता है। सर्किट PSI, प्रतिच्छेदित डेटा पर आगे की गणना संभव बनाता है। PPML, संघीय अधिगम के समेकन और एन्क्रिप्टेड इनपुट पर मॉडल अनुमान के लिए MPC का उपयोग करता है। ReLU, PPML की मुख्य लागत-बाधा है।