2023 IEEE 8th European Symposium on Security and Privacy (EuroS&P)
1.概述
在不可信的云环境中,两个相互不信任的方之间的隐私保护机器学习问题的解决方案。在不可信的云环境中,两个相互不信任的方之间的隐私保护机器学习问题的解决方案。使用HE为客户提供保密保证,使用TEE为模型提供商提供保密保证,并且保护计算完整性以免恶意云攻击者攻击。
2.威胁模型
恶意的云服务提供商: 获取用户的私有数据或者篡改计算执行
恶意的用户: 获取模型的权重和偏置
恶意的模型提供者: 学习用户的隐私数据,保持足够的用户数量
3.Tee-only的限制
Enclave本身并不提供对Enclave代码本身中包含的漏洞的保护,包括任何故意插入的后门。因此,为了确保此解决方案的安全性,双方必须确保IF不包含任何可被AS利用的漏洞,并且客户端必须额外确保IF不包含AM访问飞地的任何机会。
4.CHEX-MIX
模型提供商将其推理服务部署在公共云中的一个飞地中。希望以同态方式使用服务的客户端对其输入进行加密并将其发送到enclave。然后enclave计算推断结果并将(仍然是he加密的)结果发送给客户端。最后,客户端对he加密后的结果进行解密,得到推理结果。