瞪羚 swMATH ID: 38099 软件作者: Chiraag Juvekar、Vinod Vaikuntanathan、Anantha Chandrakasan 描述: Gazelle:安全神经网络推理的低延迟框架。基于云的机器学习越来越受欢迎,这自然引发了一个问题,即在这种环境下可以提供隐私保障。我们的工作在客户希望使用服务器训练的卷积神经网络(CNN)对私有图像进行分类的情况下解决了这个问题。我们的目标是建立有效的协议,使客户端可以在不向服务器透露其输入的情况下获取分类结果,同时保证服务器神经网络的隐私。为此,我们设计了Gazelle,一个用于安全神经网络推理的可扩展低延迟系统,使用同态加密和传统的两部分计算技术(如乱码电路)的复杂组合。瞪羚做出了三项贡献。首先,我们设计了Gazelle同态加密库,该库为基本同态操作提供了快速算法,如SIMD(单指令多数据)加法、SIMD乘法和密文置换。其次,我们实现了Gazelle同态线性代数核,它将神经网络层映射到优化的同态矩阵-向量乘法和卷积例程。第三,我们设计了优化的加密交换协议,可以在同态和乱码电路编码之间无缝转换,从而实现完整的神经网络推理。我们在基于MNIST和CIFAR-10数据集训练的基准神经网络上评估了我们的协议,并表明Gazelle在在线运行时比现有最佳系统(如MiniONN(ACM CCS 2017)和Chameleon(Crypto Eprint 2017/1164))的性能高出20倍。类似地,与CryptoNets(ICML 2016)等完全同态方法相比,我们的在线运行时间快了三个数量级。 主页: https://arxiv.org/abs/1801.05507 关键词: 密码学;安全;arXiv_cs。CR公司 相关软件: TFHE公司;澳大利亚银行;MP-SPDZ公司;n图-HE;github;低温TFlow2;MNIST公司;分享者;Scikit公司;ZKBoo公司;FHEW公司;HyCC公司;美味的;EzPC公司;CIFAR公司;数字Py;TensorFlow公司;XKCP公司;精彩;MiMC公司 引用于: 12文件 全部的 前5名55位作者引用 2 伊莱特·博伊尔 2 尼夫·吉尔博亚 2 尤瓦尔·伊斯海 1 阿迪·阿卡维亚 1 玛丽亚·乔治亚·贝洛基 1 埃里克·奥利弗·布拉斯 1 佩德罗·布兰科 1 塞尔吉·卡波夫 1 陈宇奇 1 赵吉洪 1 杰弗里·库托 1 凯文·迪弗思 1 尼科·德特林 1 尼尔·德鲁克 1 尼古拉斯·加马 1 Gentry,Craig先生 1 塞德里克·古伊·佩勒 1 阿诺德·格里维特·塞伯特 1 哈,金切尔 1 沙伊·哈列维 1 迪米塔尔·杰切夫。 1 乔恩·卡茨 1 弗洛里安·克什鲍姆 1 金承光 1 丽莎·科尔 1 Lee,ByeongHak先生 1 Lee,Joohee先生 1 Lee,Jooyoung先生 1 伊拉克利斯列奥蒂亚迪斯 1 李强 1 李向雪 1 埃利夫特里亚·马克里 1 保罗·C·马特乌斯。 1 苗族、美夏 1 穆罕默德·莫森 1 达克杰·穆恩 1 盖·莫什科维奇 1 诺夫,阿里尔 1 Tomer Pelleg公司 1 拉法·皮诺 1 罗塔鲁、德拉戈斯 1 Abson Sae-Tang先生 1 彼得·斯科尔 1 哈伊姆·绍尔 1 雷诺·瑟迪 1 玛格丽塔·瓦尔德 1 弗雷德里克·韦考特伦 1 马吕斯·威勒 1 萨米尔·瓦格 1 魏孟奇 1 谢毅 1 Yoon、HyoJin 1 张晓宇 1 朱文兴 1 马丁·祖伯 2篇连载文章中引用 2 密码学杂志 1 机器学习 在2个字段中引用 11 信息与通信理论、电路(94-XX) 8 计算机科学(68至XX) 按年份列出的引文