新しい研究は、プライバシー保護機械学習推論のための安全なマルチパーティ計算（MPC）および完全ホモモフィック暗号（FHE）の統一されたシステムレベルでの特性評価を示しています。この作業は、複数のCNNおよびTransformerモデルにおいて、2つのMPCバリアント—算術/バイナリ共有変換および関数秘密共有—とFHEを評価します。

  • 評価は、LANおよびWAN環境、モデルサイズ、バッチサイズ、入力シーケンス長の範囲をカバーしています。
  • オンライン推論レイテンシだけでなく、エネルギー消費と金銭的コストも評価し、オフラインおよびオンラインの計算および通信オーバーヘッドを考慮に入れています。
  • この分析は、これらのプライバシー保護コンピューティングパラダイムの選択と最適化のための経験的なガイダンスを提供します。
  • 進化しているハードウェアおよびネットワークのトレンドが、MPCスキームとFHEの間のトレードオフをどのようにシフトさせる可能性があるかを概説しています。

この作業は、PPMLワークロードを理解または加速しようとする研究者および実務家にとってシステムレベルの洞察を提供します。