论文2024/662

同态加密批量输入的快速私有决策树评估

摘要

隐私保护决策树评估（PDTE）允许持有特征向量的客户端对服务器端的决策树模型执行推断，而无需向服务器显示特征向量。我们的工作重点放在非交互批处理设置上，客户端发送一批加密的特征向量，然后获得分类，而无需任何额外的交互。这在隐私保护信用评分、生物特征认证和许多其他应用程序中都很有用。在本文中，我们基于两种新的密文-文本比较算法，分别是改进的距离覆盖比较（RCC）比较器和恒维分段比较器，提出了两种新型的非交互式批处理PDTE协议BPDTE_RCC和BPDTE_CW。与当前最先进的Level Up（CCS’23）相比，对于16位的批量输入，我们的比较算法要快72美元。此外，我们还引入了一种新的树遍历方法，称为Adapted SumPath，以实现服务器响应的$\mathcal{O}（1）$复杂性，而Level Up具有深度为$d$的树，客户端需要在该树中查找分类值。总的来说，我们的PDTE协议实现了最佳的服务器到客户端通信复杂性，在批大小16384方面比Level up快17美元。