새로운 연구는 프라이버시 보존 기계 학습 추론을 위한 안전한 다자간 계산(MPC) 및 완전 동형 암호화(FHE)의 통합 시스템 수준 특성을 제시합니다. 이 작업은 여러 CNN 및 Transformer 모델에서 두 가지 MPC 변형—산술/이진 공유 변환 및 함수 비밀 공유—과 FHE를 평가합니다.

  • 평가는 LAN 및 WAN 환경, 모델 크기, 배치 크기 및 입력 시퀀스 길이의 범위를 다룹니다.
  • 온라인 추론 지연 시간뿐만 아니라 에너지 소비와 금전적 비용도 평가하며, 오프라인 및 온라인 계산 및 통신 오버헤드를 고려합니다.
  • 분석은 이러한 프라이버시 보존 컴퓨팅 패러다임의 선택과 최적화를 위한 경험적 지침을 제공합니다.
  • 진화하는 하드웨어 및 네트워크 트렌드가 MPC 스킴과 FHE 간의 트레이드오프를 어떻게 변화시킬 수 있는지 개요를 제시합니다.

이 작업은 PPML 워크로드를 이해하거나 가속화하려는 연구자 및 실무자에게 시스템 수준 통찰력을 제공합니다.