DOI QR코드

DOI QR Code

A Method for Enhancing Security in Federated Learning Using Homomorphic Encryption with Key Distribution

키 분배를 활용한 동형암호 기반의 연합학습 보안 강화 기법

  • Dae Ho Kwon (Dept. of Mathematics, Soongsil University) ;
  • Ajit Kumar (School of Computer Science and Engineering, Soongsil University) ;
  • Bong Jun Choi (School of Computer Science and Engineering, Soongsil University)
  • Published : 2024.05.23

Abstract

연합학습에서 로컬 모델을 통해 참가자의 데이터 프라이버시를 침해할 가능성이 있다. 동형암호 기반 연합학습은 학습 과정에서 모든 가중치를 암호화해 통신 과정에서의 공격을 차단한다. 그러나 기존의 Paillier 동형암호 기반 연합학습은 모든 참가자가 같은 공개키 및 비밀키를 공유하는 문제가 있다. 본 연구에서는 지속적인 선택적 키 분배를 도입하여 외부에서 다른 참가자의 로컬 모델에 접속할 수 없도록 하고, 내부에서도 다른 참가자의 로컬 모델을 획득하기 어렵게 한다. MNIST 데이터를 사용하여 CNN 모델의 성능을 평가한 결과, 제안된 방법이 기존과 유사한 정확도를 보여준다.

Keywords

Acknowledgement

본 성과는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행된 연구이며(NRF-2022R1A2C4001270), 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터 육성지원사업의 연구결과로 수행되었음 (IITP-2022-2020-0-01602)

References

  1. Liu, P., et al, "Threats, Attacks and Defenses to Federated Learning: Issues, Taxonomy and Perspectives", Cybersecurity, vol. 5, no. 4, 2022
  2. Tan Soo Fun, et al, "A Survey of Homomorphic Encryption for Outsourced Big Data Computation", KSII Transactions On Internet and Information Systems, vol. 10, no. 8, 2016
  3. 박재형, et al, "동형 암호 체계를 이용한 연합 학습기법의 성능 평가", 동계종합학술발표회, 한국통신학회, pp. 873-874, 2022
  4. Hillmann, Peter, et al. Cake: An efficient group key management for dynamic groups. arXiv preprint arXiv:2002.10722, 2020.