การประยุกต์ใช้ MPC: การหาจุดร่วมของเซตแบบรักษาความเป็นส่วนตัวและแมชชีนเลิร์นนิง

MPC ทำให้ทฤษฎีสามารถนำไปใช้งานจริงได้ การหาส่วนร่วมของเซตแบบส่วนตัว (PSI) และ การเรียนรู้ของเครื่องที่รักษาความเป็นส่วนตัว เป็นสองแอปพลิเคชัน MPC ที่ถูกใช้งานในภาคอุตสาหกรรมมากที่สุดในปัจจุบัน

PSI: อลิซมีเซต A และบ็อบมีเซต B ทั้งสองฝ่ายคำนวณ A∩B โดยไม่เรียนรู้สมาชิกใน A\B หรือ B\A วิธีนี้ใช้ในการติดตามการสัมผัสของกูเกิลและแอปเปิล การตรวจจับการฉ้อโกงโฆษณา และการแบ่งปันข่าวกรองภัยคุกคาม

การแฮชเซตทั้งสองแล้วเปรียบเทียบกันไม่ปลอดภัยหากเซตมีขนาดเล็ก เพราะผู้โจมตีสามารถลองสมาชิกที่เป็นไปได้ทั้งหมด PSI ที่ปลอดภัยต้องซ่อนแม้แต่ขนาดของส่วนร่วม หรือเปิดเผยเฉพาะส่วนร่วมเท่านั้น

PRF แบบไม่เปิดเผย (OPRF): บ็อบประเมิน PRF กับสมาชิกของอลิซโดยไม่เรียนรู้สมาชิกเหล่านั้น อลิซได้รับ PRF(k, x) สำหรับ x แต่ละค่าที่อยู่ใน A จากนั้นเปรียบเทียบกับ PRF(k, y) ที่บ็อบคำนวณไว้ล่วงหน้าสำหรับ y แต่ละค่าที่อยู่ใน B

การคำนวณจุดตัดเซตแบบวงจรจะคำนวณจุดตัดภายในวงจร MPC ทำให้สามารถคำนวณต่อกับสมาชิกของจุดตัดได้ เช่น การรวมยอดซื้อ โดยไม่เปิดเผยว่ารายการใดมีจุดตัดกัน

PPML ใช้ฝึกหรืออนุมานจากข้อมูลของหลายฝ่าย การเรียนรู้แบบสหพันธ์จะเก็บข้อมูลไว้ภายในเครื่อง ส่วน MPC ก้าวไปไกลกว่านั้น โดยแม้แต่ the แบบจำลองหรือค่าการไล่ระดับที่รวมแล้วก็ยังถูกแบ่งเป็นส่วนลับ

โพรโทคอลการรวมข้อมูลอย่างปลอดภัยของ Google ในปี 2017: แต่ละ client แบ่งข้อมูลการอัปเดตค่าการไล่ระดับเป็นส่วนลับ เซิร์ฟเวอร์จะสร้างขึ้นใหม่เฉพาะผลรวมเท่านั้น การอัปเดตแต่ละรายการจะไม่ถูกเปิดเผย แม้แต่ต่อเซิร์ฟเวอร์

CrypTen (Facebook/Meta) และ MOTION รองรับการเรียกใช้โครงข่ายประสาทเทียมรูปแบบ PyTorch บนอินพุตที่แบ่งเป็นส่วนลับ ชั้นเชิงเส้นมีต้นทุนต่ำ ส่วนความไม่เป็นเชิงเส้น (ReLU) ต้องใช้การแปลงจากบูลีนเป็นเลขคณิต

ReLU(x) = max(0,x) ต้องเปรียบเทียบ x กับ 0 ซึ่งเป็นการดำเนินการแบบไม่เป็นเชิงเส้นและไม่ใช่เลขคณิต การดำเนินการนี้ทำด้วยวงจรที่ทำให้สับสนหรือการแยกองค์ประกอบเป็นบิต และเป็นต้นทุนหลักใน PPML

Private Relay ของ Apple ใช้การคำนวณจุดตัดเซตแบบส่วนตัว Meta ใช้ MPC สำหรับการวัดประสิทธิภาพโฆษณาแบบส่วนตัว ส่วนโพรโทคอล PRIO ของ IETF ซึ่งใช้ใน Firefox Telemetry ใช้สถิติรวมที่แบ่งเป็นส่วนลับ

ในการคำนวณจุดตัดเซตแบบส่วนตัวที่ใช้ OPRF ฝ่ายใดถือ key ของ PRF และอีกฝ่ายเรียนรู้อะไร

การคำนวณจุดตัดเซตแบบส่วนตัวช่วยให้หลายฝ่ายคำนวณจุดตัดของเซตได้โดยรักษาความเป็นส่วนตัวผ่าน OPRF การคำนวณจุดตัดเซตแบบวงจรช่วยให้คำนวณต่อกับข้อมูลจุดตัดได้ PPML ใช้ MPC สำหรับการรวมข้อมูลในการเรียนรู้แบบสหพันธ์และการอนุมานของแบบจำลองบนอินพุตที่เข้ารหัส ReLU เป็นคอขวดด้านต้นทุนหลักของ PPML