Penerapan MPC: Irisan Himpunan Privat dan Pembelajaran Mesin

MPC mengubah teori menjadi praktik. Interseksi Himpunan Privat (PSI) dan pembelajaran mesin yang menjaga privasi merupakan dua aplikasi MPC yang paling banyak diterapkan di industri saat ini.

PSI: Alice memiliki himpunan A, sedangkan Bob memiliki himpunan B. Mereka menghitung A∩B tanpa mengetahui elemen dalam A\B atau B\A. PSI digunakan untuk pelacakan kontak oleh Google/Apple, deteksi penipuan iklan, dan berbagi intelijen ancaman.

Mencincang kedua himpunan lalu membandingkannya tidak aman jika himpunannya kecil—penyerang dapat mencoba semua elemen. PSI yang aman harus menyembunyikan bahkan ukuran interseksi (atau hanya mengungkapkan interseksi).

PRF tanpa pengetahuan (OPRF): Bob mengevaluasi PRF pada elemen Alice tanpa mengetahuinya. Alice memperoleh PRF(k, x) untuk setiap x∈A. Ia membandingkannya dengan PRF(k, y) yang telah dihitung Bob untuk y∈B.

PSI Sirkuit menghitung irisan di dalam sirkuit MPC, sehingga memungkinkan komputasi lanjutan pada elemen irisan, misalnya menjumlahkan jumlah pembelian, tanpa mengungkapkan elemen mana yang beririsan.

PPML melatih model atau menjalankan inferensi pada data dari beberapa pihak. Pembelajaran terfederasi menjaga data tetap lokal; MPC melangkah lebih jauh — bahkan the model atau gradien teragregasi pun dibagi menjadi bagian-bagian rahasia.

Protokol agregasi aman Google tahun 2017: setiap client membagi pembaruan gradiennya menjadi bagian-bagian rahasia. Hanya jumlah yang direkonstruksi oleh the server. Pembaruan individual tidak pernah terekspos, bahkan kepada the server.

CrypTen (Facebook/Meta) dan MOTION mendukung pengoperasian jaringan saraf bergaya PyTorch pada input yang dibagi menjadi bagian-bagian rahasia. Lapisan linear murah; non-linearitas (ReLU) memerlukan konversi dari logika Boolean ke aritmetika.

ReLU(x) = max(0,x) memerlukan perbandingan x dengan 0 — operasi non-linear dan non-aritmetika. Hal ini dilakukan dengan sirkuit tersamar atau dekomposisi bit, dan merupakan komponen biaya terbesar dalam PPML.

Private Relay milik Apple menggunakan PSI. Meta menggunakan MPC untuk pengukuran iklan privat. Protokol IETF PRIO, yang digunakan dalam Firefox Telemetry, menggunakan statistik agregat yang dibagi menjadi bagian-bagian rahasia.

Dalam PSI berbasis OPRF, pihak mana yang memegang key PRF dan apa yang dipelajari pihak lainnya?

PSI memungkinkan pihak-pihak menghitung irisan himpunan secara privat melalui OPRF. PSI Sirkuit memungkinkan komputasi lanjutan pada data irisan. PPML menggunakan MPC untuk agregasi pembelajaran terfederasi dan inferensi model pada input terenkripsi. ReLU merupakan hambatan biaya utama dalam PPML.