Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.309-311
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Accelerating Homomorphically Encrypted Deep Learning Model with Scheduling

스케줄링을 통한 동형암호 딥러닝 모델 가속

  • Whoi Ree Ha (Dept. of Electrical and Computer Engineering and Inter-university Semiconductor Research Center, Seoul National University) ;
  • Dongju Lee (Dept. of Electrical and Computer Engineering and Inter-university Semiconductor Research Center, Seoul National University) ;
  • Yunheung Paek (Dept. of Electrical and Computer Engineering and Inter-university Semiconductor Research Center, Seoul National University)
  • 하회리 (서울대학교 전기정보공학부 ) ;
  • 이동주 (서울대학교 전기정보공학부) ;
  • 백윤흥 (서울대학교 전기정보공학부)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

동형암호는 MLaaS (Machine Learning as a Service)가 만연한 이 시대에 각광받고 있는 프라이버시 보호 기술 중 하나이다. 하지만 동형암호를 적용하게되면 데이터 크기가 굉장히 커지고, 비싼 연산으로 인하여 큰 overhead 가 발생한다. 따라서 더 효율적인 스케줄링을 통하여 이 overhead 를 최소화하였으며, 실험결과 총 latency 의 18%를 감소할 수 있었다.

Keywords

Acknowledgement

이 논문은 2024 년도 BK21 FOUR 정보기술 미래인재교육연구단, 반도체 공동연구소, 정부(과학기술정보통신부)의 재원으로 한국연구재단(RS-2023-00277326), 23년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원(No.2021-0-00528, 하드웨어 중심 신뢰계산기반과 분산 데이터보호박스를 위한 표준 프로토콜 개발), 2023 년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원(No.RS-2023-00277060, 개방형 엣지 AI 반도체 설계 및 SW 플랫폼 기술개발), 2024년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원(IITP-2023-RS-2023-00256081), 2024 년도 정부(산업통상자원부)의 재원으로 한국산업기술기획평가원 (No. RS-2024-00406121, 자동차보안취약점기반위협분석시스템개발(R&D)) 에 의하여 지원되었음.

References

  1. Albrecht, M., Chase, M., Chen, H., Ding, J., Goldwasser, S., Gorbunov, S., Hoffstein, J., Lauter, K., Lokam, S., Micciancio, D., et al. Homomorphic encryption standard. 2018.
  2. Brutzkus, Alon, Ran Gilad-Bachrach, and Oren Elisha. "Low latency privacy preserving inference." International Conference on Machine Learning. PMLR, 2019.
  3. Gilad-Bachrach, Ran, et al. "Cryptonets: Applying neural networks to encrypted data with high throughput and accuracy." International conference on machine learning. PMLR, 2016.
  4. J. H. Cheon, K. Han, A. Kim, M. Kim, and Y. Song, "A full rns variant of approximate homomorphic encryption," in Selected Areas in Cryptography - SAC 2018, C. Cid and M. J. Jacobson Jr., Eds. Cham: Springer International Publishing, 2018, pp. 347-368
  5. Samardzic, Nikola, et al. "F1: A fast and programmable accelerator for fully homomorphic encryption." MICRO-54: 54th Annual IEEE/ACM International Symposium on Microarchitecture. 2021.
  6. Chen, Hao, Kim Laine, and Rachel Player. "Simple encrypted arithmetic library-SEAL v2. 1." Financial Cryptography and Data Security: FC 2017 International Workshops, WAHC, BITCOIN, VOTING, WTSC, and TA, Sliema, Malta, April 7, 2017, Revised Selected Papers 21. Springer International Publishing, 2017.