VERTICES: 两方垂直联合线性模型的高效实现与TTP辅助的秘密共享
摘要：基于安全的协作机器学习中，垂直联邦学习（VFL）已成为最主要的方法之一，其中训练数据在多个方面之间通过特征进行分割。大多数VFL算法主要依赖于两种基本的隐私保护技术：同态加密（HE）和安全多方计算（MPC）。虽然一般认为具有更强的隐私保证，但现有的通用MPC框架在计算和通信开销方面存在昂贵和低效的问题，尤其是在VFL环境下。本研究聚焦于基于MPC的VFL算法，并提出了一种通过高效的秘密分享（SS）方案和可信的协调者来实现的两方垂直联邦线性模型的新方法。我们的方法在相同的安全设置下，可以实现比其他现有MPC框架更快速的垂直联邦线性模型训练过程，加速比在2.5倍到6.6倍之间。
作者：Mingxuan Fan, Yilun Jin, Liu Yang, Zhenghang Ren, Kai Chen
论文ID：2306.16139
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-06-29