作者 | Rosetta技术团队
责编 | 晋兆雨
出品 | AI科技大本营
本文中,我们将介绍为了保护用户的隐私数据,在隐私 AI 框架的计算任务全流程中,数据是如何以密文形式流动,同时仍正确完成加法、乘法等计算步骤的。
隐私 AI 系统存在的目的就是赋能 AI,使得各种 AI场景下对用户隐私数据的使用都是安全的。那么,这样的系统就需要提供充分的保障,从理论到工程实现的每一个阶段都应该是经得起推敲、抵抗得住各种 攻击的。不能简单的认为只需要各方先在本地自己的数据上计算出一个模型,然后将模型结果交换一下 计算下其模型参数的平均值,就不会泄露各方的隐私数据了。现代密码学(Cryptography)是建立在严格的数学定义、计算复杂度假设和证明基础之上的,其中 MPC (Multi-Party Computation)方向是专门研究多个参与方如何正确、安全的进行联合计算的子领域,Rosetta、TFEncrypted等隐私 AI框架都采用了 MPC技术以提供可靠的安全性。下面我们就结合具体案例看的看下在 Rosetta中隐私数据是如何得到安全保护的。
案例
Alice,Bob和 Charley三人最近需要在他们的 AI系统中引入对数据的隐私保护能力。他们很重视安全性,所以他们想通过一个简单的例子 —— 乘法(multiply),来验证下隐私 AI 框架是否真正做到了隐私安全。
他们约定:Alice的输入为 1.2345;Bob 的输入为 5.4321;而 Charley拿到相乘的结果。他们按照 Rosetta 提供的教程,快速编写了如下代码(脚本名为 rosetta-mul.py):
#!/usr/bin/env python3
import latticex.rosetta as rtt
import tensorflow as tf
rtt.activate("SecureNN")
x = tf.Variable(rtt.private_console_input(0, shape=(1,))) # Alice's input y = tf.Variable(rtt.private_console_input(1, shape=(1,))) # Bob's input
z = tf.multiply(x, y) # z = x * y
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = sess.run(rtt.SecureReveal(z, receive_party=4)) # 'b0100' means Charley
print('z:', res)
rtt.deactivate()
接着,他们各自打开一个终端,分别进行如下操作:
Alice ( P0) 在终端敲下如下命令行,并根据提示输入自己的私有数据:
$ python ./rosetta-mul.py --party_id=0
please input the private data (float or integer): 1.2345
Bob ( P1) 执行同样的操作,输入的也是只有自己才知晓的私有数据:
$ python ./rosetta-mul.py --party_id=1
please input the private data (float or integer): 5.4321
Charley ( P2) 在终端敲下如下命令行,等一会儿就可以得到所期望的计算结果:
$ python ./rosetta-mul.py --party_id=2 z: [b'6.705910']
注:
对于 Charley来说,由于没有数据,故不会提示输入。
Alice和 Bob的本地输出都会是 z:[b'0.000000'], 而不会拿到正确的结果。
可以看出,Charley 拿到的最终结果与逻辑上明文结果(6.70592745)相比,误差(0.00001745)可以忽略不计。系统的正确性得到了验证。
如果想让误差更小,可以通过配置提升精度,或使用128-bit 的数据类型。
上面短短的几行代码,虽然结果是正确的,但是他们三人对于系统安全性方面仍有一些困惑:
Alice、Bob的私有输入会不会被另外两方知道?
Charley拿到的结果会不会被 Alice、 Bob知道?
整个程序运行过程中,有没有其他数据的泄漏?
如果前几问的回答都是否定的,那 Charley 又是如何得到明文?
在回答这些问题之前,为简化描述、突出本质,我们需要简单介绍一下MPC实际落地中常用的安全假设。
假定系统中有 3 个节点, P0/P1/P2,其中成P0/P1为数据参与方,而P2是辅助节点,用于随机数生成。
只考虑半诚实( Semi-Honest )安全模型,即三方都会遵守协议执行的流程,并且其中诚实者占多数( Honest-Majority),也就是说三个节点中只会有一个“坏人”。更为复杂的恶意( Malicious)模型等安全场景可参考其他相关论文。
内部数据类型为64位无符号整型,即uint64_t。
下面我们就按照 输入--计算--输出 的顺序,详细介绍 Rosetta 中数据的表示与流动,以及所用到相关技术与算法在工程上的优化实现。
隐私数据的输入
隐私计算问题,首先要解决的是隐私数据的输入。
在上述案例中,是通过如下两行代码来完成私有数据的安全输入的:
x = tf.Variable(rtt.private_console_input(0, shape=(1,))) # Alice's input
y = tf.Variable(rtt.private_console_input(1, shape=(1,))) # Bob's input
如代码所示, rtt.private_console_input是 Rosetta 众多 API 之一,Rosetta还提供了rtt.private_input,等 API,用来处理隐私数据的输入。
这里发生了什么?x,y 的值会是什么?
在进入剖析之前,先来了解一个重要的概念 —— 秘密分享。
秘密分享
什么是 秘密分享(Secret Sharing)[1]?先来看一种简单的两方additive的构造:
给定一个数 x,定义 share(x)= (x0, x1) = (x − r, r),其中r是随机数,并且与x独立。可以看到, x = x0 + x1 = x -r + r。原始数据x的秘密分享值(x0,x1)将会由两个数据参与方 (P0,P1) 各自保存。
在秘密分享的方案中,所有的数据,包括中间数值都会分享在两个参与方之间。直观的看,参与的两方不会得到任何的明文信息。理论上,只需要在环上支持加法和乘法,就可以进一步通过组合来支持上层各种更复杂的函数。下文我们会看到关于乘法的详细解析,读者可以回过头来再看 这段话。
那工程上是如何处理的呢?假设P0有一个私有数据x,三方之间可以简单交互一下实现:
方案1:生成一个随机数 r,发送给 P0/P1。然后本地设置 x0 = x - r, P1 本地设置 x1 = r。此时 share(x) = (x0, x1) = (x - r, r),与上面的定义一致。
这是方案之一,后文基于这个方案进行讲解。在本文最后,我们会提一下实际落地时的进一步优化方案。
回到主线,结合方案1,我们以Alice 的输入值x = 1.2345为例看下具体过程。
第一步,浮点数转定点数。
对于有数据输入的一方,需要先将真实的浮点数转成定点数。
浮点数转定点数:即浮点数乘以一个固定的缩放因子(scale,一般为2^k)使其变成定点数(取其整数部分,舍弃小数部分)。当最后需要还原真实的原始浮点数时,用定点数除以缩放因子即可。
我们先选定一个缩放因子,这里取scale= 2^(18)。
经过缩放后,得到 x = 1.2345 * (1<<18) = 323616.768,取整数部分即323616,用于后续计算。
这里是有精度损失的,但在精度允许的范围内,不会影响后面的计算。
第二步,生成随机数 r。也叫掩码(Maskingvalue),用来隐藏真实值。
p2生成一个随机数 r,是一个 64-bit 空间的无符号整数。(如,r = fdad72ecbfbefeb9。这里用十六进制表示,下同)
p2将r发送给P0,P1。此时,P0,P1都拥有一个相同的随机数r了。
第三步,设置秘密分享值。
按秘密分享 方案1 的定义, P0 本地设置 x0 = x - r, P1 本地设置 x1 = r。所以有:
P0:x0= 4f020-fdad72ecbfbefeb9 = 2528d134045f167
P1:x1= fdad72ecbfbefeb9
4f020是 323616 的十六进制表示。
如果计算结果大于 64 bit 的空间范围,需要对结果取模(64 位空间)。下同。
至此,我们获得了关于x的分享值,share(x)=(x0,x1)=(x-r,r)=(2528d134045f167,fdad72ecbfbefeb9)
感兴趣的读者朋友可以验证一下(x0+x1)mod 。
同理,我们对Bob的输入值进行一样的处理。
上面三步,其实就是 private_console_input 的工作机制与过程。经过处理后,各方本地都存储着如下值:
P0 | P1 | P2 | |||
X0 | 2528d134045f16 | X1 | fdad72ecbfbefeb9 | X2 | 0 |
Y0 | d8e19bd0a532750 | Y1 | f271e642f5c29328 | Y2 | 0 |
我们用 Xi,Yi 表示 X,Y 在 Pi的分享值。(下同)
P2 为何是0呢?在本方案中 P2 作为一个辅助节点,不参与真正的逻辑计算。
我们可以看到,在处理隐私数据输入的整个过程中, P0无法知道 Y 值, P1 无法知道 X 值, P2 无法知道 X 或 Y 值。
最后,我们总结一下这三个主要阶段:
密文上的协同计算
这是计算的核心。
上一步,我们保证了输入的安全,没有信息的泄漏,各方无法单独拿到其他节点的私有输入。接下来,看一下计算的代码,只有一行:
z = tf.multiply(x, y) # z = x * y
在这个计算的过程中发生了什么?下面结合乘法(Multiply) 算子原理进行实例讲解。
Multiply 算子原理
乘法相对较为复杂,我们结合经典的 Beaver Triple 方法[2]加以介绍。该方法是由密码学家 Donald Beaver在 1991 年提出,主要思想是通过乘法。协议基本原理如下:
输入:P0 拥有 X,Y的秘密分享值 X0,Y0;P1拥有X,Y的秘密分享值 X1,Y1。
这里有 share(X) = (X0, X1),share(Y) = (Y0, Y1)。在此案例中,这里的输入,就对接上一节所述的"隐私输入"的输出结果。
计算步骤:
1.P2 本地生成一组随机数A,B,C,且满足 C = A*B。
A,B,C 的生成步骤:P2 随机生成 A0,A1,B0,B1,C0,令 A = A0 + A1,B = B0 + B1,得到C= A*B, C1 = C - C0。其中AI,BI,CI 是 A,B,C 的分享值。这些都是在 P2 本地完成的。这也就是 P2 做为辅助节点的作用(用于随机数生成)。
这里 A,B,C 一般被称为三元组(Beaver'sTriple)。
比如,某次生成的随机数如下:
A0 | 2373edde1a0e5dcd | A1 | ad483b77e4e5db41 |
B0 | d81a4646be1c0cb8 | B1 | 78222aff7dcc1ae8 |
C0 | 62a175e20f9a1542 | C1 | 483498026c6ab57e |
感兴趣的读者朋友可以验证一下。如 A = A0 + A1 =2373eddela0e5dcd + ad483b77e4e5db41 = d0bc2955fef4390e。这个 A 是个随机数。
2.将上一步生成的随机数的秘密分享值分别发送给P0,P1。
即将A0,B0,C0发送给P0;将A1,B1,C1发送给P1。
此时, P0,P1拥有如下值:
P0 | P1 | ||
A0 | 2373edde1a0e5dcd | A1 | ad483b77e4e5db41 |
B0 | d81a4646be1c0cb8 | B1 | 78222aff7dcc1ae8 |
C0 | 62a175e20f9a1542 | C1 | 483498026c6ab57e |
3.P0 计算 E0 和 F0;P1 计算 E1 和 F1。并交换 Ei,Fi。
P0 本地计算 E0 = X0 - A0, F0 = Y0 - B0。
P1 本地计算 E1= X1 - A1, F1 = Y1 - B1。
此时, P0,P1拥有如下值:
P0 | P1 | ||
E0 | dede9f352637939a | E1 | 50653774dad92378 |
F0 | 3573d3764c371a98 | F1 | 7a4fbb4377f67840 |
交 换 Ei,Fi。
P0将E0,F0发送给P1;P1将E1,F1发送给P0。此时,P0,P1都拥有E0,F0,E1,F1。
4.本地计算 得到 E和 F。
P0,P1 各自本地计算 E = E0 + E1, F= F0 + F1。
P0 | P1 | ||
E | 2f43d6aa0110b712 | E | 2f43d6aa0110b712 |
F | afc38eb9c42d92d8 | F | afc38eb9c42d92d8 |
5.本地计算 Z0;P1本地计算 Z1。
现在, P0 已经拥有 A0,B0,C0,E,F;P1已经拥有 A1,B1,C1,E,F。有了这些就可以计算出 Z= X*Y 的秘密分享值 Z0,Z1了。即:
P0 本地计算 Z0 = E * B0 + A0 * F+ C0;
P1 本地计算 Z1 = E * B1 + A1 * F+ C1 + E * F。
P0 | P1 | ||
Z0 | 1db35d14c12a | Z1 | ffffe24ca30611b0 |
正确性可以通过以下恒等式加以验证:
输出:P0,P1 分别持有 Z = X * Y的秘密分享值 Z0,Z1。
我们可以看到,从输入到计算再到输出,整个过程中,没有泄漏任何隐私数据。
整个算子计算结束时,P0单独拥有X0,Y0,A0,B0,C0,E0,F0,E1,F1,E,F,Z0,P1单独拥有X1,Y1,A1,B1,C1,E0,F0,E1,F1,E,F,Z1,P2单独拥有 A0,B0,C0,A1,B1,C1,三方都无法单独得到 X 或 Y 或 Z。
最后,我们总结一下(1~5 对应着上面的步骤):
获取明文结果
从输入到计算再到输出,各节点只能看到本地所单独拥有的秘密分享值(一些毫无规律的64位随机数),从上文也可以看到,节点是无法独自得到任何隐私数据的。那么,当计算结束后,如果想得到结果的明文,怎么获取呢?
Rosetta 提供了一个恢复明文的接口,使用很简单。
res = sess.run(rtt.SecureReveal(z, receive_party=4)) # 'b0100' means Charley
print('z:', res)
那这个 rtt.SecureReveal 是如何工作的呢?
其实非常简单:如果本方想要知道明文,只需要对方把他的秘密分享值发给我,然后本地相加即可。
比如,上一节结尾处,我们知道了各方(P0/P1/P2)的分享值如下:
P0 | P1 | P2 | |||
Z0 | 1db35d14c12a | Z1 | ffffe24ca30611b0 | Z2 | 0 |
结合实例,Charley(P2)想要获取结果明文,那么,P0,P1将各自的分享值Z0,Z1发给P2,然后P2本地相加即可。即: 1db35d14c12a + ffffe24ca30611b0 = 1ad2da(1757914)。我们将此值进一步再转换为浮点数,就可以得到我们想要的用户态的明文值了:1757914 / (1 << 18)=6.7059097
效率优化
上面介绍的 秘密分享 与 multiply 算子 都是基于最基本的算法原理,在时间上和通信上的开销还是比较大的,在实际工程实现中,还可以进一步进行优化以提升性能。在介绍优化方案之前,先了解一下什么是PRF[3]?
PRF[3],Pseudo-Random Function。简单来说,即给定一个随机种子 key,一个计数器 counter, 执行 PRF(key, counter) ,会得到一个相同的随机数。
补充说明一下。例如, P0,P1 执行 PRF(key01,counter01),会产生一个相同的随机数。这里的 key01, counter01 对于的 P0,P1 来说是一致的。程序会维护这两个值,对使用者来说是透明
关于秘密分享
来看看优化版本(假设:P0有一个私有数据x)。
方案2(优化版):P0,P1 使用 PRF(Key01,counter) 本地同时生成一个相同的随机数r。然后P0本地设置x0=x-r,P1本地设置x1=r。此时 share(x) = (x0,x1)x=(x = r.r),与定义一致。此版本无需 P2 的参与。没有通信开销。
目前 Rosetta 开源版本中使用的正是此方案。
方案3(优化版):P0 设置 x0 = x-r, P1 设置 X1 = 0 即可。此时 share(x) = (x, 0)。此版本无需 P2 的参与。没有通信开销,也没有计算开销。
上述各个版本(包括方案1),都是可行且安全的。可以看到P1/P2并不知道 P0 的原始输入值。
关于 Multiply 算子
Multiply 算子中输入,输出部分没有变化,主要是计算步骤中的第1步与第2步有些许变化,以减少通信量。这里也只描述这两步,其余与前文相同。
在上文的描述中,我们知道 P2 生成三元组后,需要将其分享值发送给P0,P1。当我们有了 PRF 后,可以这么做:
P0,P2 使用PRF(Key02,counter02)同时生成 A0,B0,C0;P0,P1使用RF(Key12,counter12)同时生成 A1,B1。
然后,P2令A=A0+A1,B=B0+B1,得到C=A*B,C1=C-C0。P2将发送给P1。P2的任务完成。
目前 Rosetta 开源版本中使用的是此方案。
相比于原始版本,优化版本只需要发送 C1,不用再发送 A0,A1,B0,B1,C0。
在 Rosetta中,我们还针对具体的各个不同的算子进行了一系列的算法、工程优化,欢迎感兴趣的读者来进一步了解。
小结
安全性是隐私 AI框架的根本,在本篇文章中,我们结合隐私数据输入的处理和密文上乘法的实现,介绍了“随机数” 形式的密文是如何在多方之间流动,同时“神奇”的仍能保证计算逻辑的正确性的。我们这里对于安全性的说明是直观上的描述,而实际上,这些算法的安全性都是有严格数学证明的。感兴趣的读 者可以进一步去探索相关的论文。
Rosetta 将持续集成安全可靠的密码学算法协议作为“隐私计算引擎”到框架后端中,也欢迎广大开发者参与到隐私AI 的生态建设中来。
作者简介:
Rosetta技术团队,⼀群专注于技术、玩转算法、追求⾼效的⼯程师。Rosetta是⼀款基于主流深度学习框架TensorFlow 的隐私AI框架,作为矩阵元公司⼤规模商业落地的重要引擎,它承载和结合了隐私计算、区块链和AI三种典型技术。我们专门为AI从业者撰写了隐私计算+AI从技术到实战的全教程,力图让相关行业从业者0难度一键掌握隐私计算技术的用法
参考文献
[1] 秘密共享,
https://en.wikipedia.org/wiki/Secret_sharing
[2] Beaver,Donald."Efficientmultipartyprotocolsusingcircuitrandomization."Annual InternationalCryptologyConference.Springer,Berlin,Heidelberg,1991.
[3] PRF的一个简单介绍
https://crypto.stanford.edu/pbc/notes/crypto/prf.html
更多精彩推荐