本文經(jīng)ai新媒體量子位(公眾號id:qbitai)授權(quán)轉(zhuǎn)載,轉(zhuǎn)載請聯(lián)系出處。
今天很高興能夠與大家分享矩陣元最近的一些研究成果。主要的方向是隱私計算,以及基于密碼學(xué)的隱私開源框架—rosetta。
隱私計算時代來臨?
目前數(shù)據(jù)面臨著一些挑戰(zhàn)。隨著數(shù)字化的發(fā)展,數(shù)據(jù)量指數(shù)級增加,一些核心的、關(guān)鍵的數(shù)據(jù)保護做得遠遠不夠。目前來看,隨著數(shù)據(jù)的生產(chǎn)要素化,不論國內(nèi)國外對整個數(shù)據(jù)相關(guān)方向的關(guān)注程度越來越高,當(dāng)然其中也有越來越多的挑戰(zhàn)。而眾多挑戰(zhàn)之中我們認為其中最關(guān)鍵的一點就是數(shù)據(jù)隱私。
從ai的角度來看,ai需要用數(shù)據(jù)來“喂”,只有通過足夠多的數(shù)據(jù)或多樣化的數(shù)據(jù),才能訓(xùn)練出一個相對較好的模型使用。所以隨著數(shù)據(jù)量的增大、數(shù)據(jù)多樣化的增加,以及隨著數(shù)據(jù)隱私的關(guān)注程度越來越高,ai面臨著一個所謂的“窘境”——從ai角度來看,數(shù)據(jù)的多樣化程度越高,對于整個模型的訓(xùn)練更有好處,模型精度也會相應(yīng)提高。
所以這給ai帶來了一系列問題。如何能夠在保護數(shù)據(jù)隱私的前提下,把各不同源、不同企業(yè)之間的數(shù)據(jù)能夠融合運用?在目前傳統(tǒng)的技術(shù)方法里很難解決這個問題,所以成為了ai可能面臨的一大痛點。因此也引出了“隱私計算”的概念。
關(guān)于隱私計算,簡單來說就是保證數(shù)據(jù)在使用和融合過程中,保護隱私的綜合性技術(shù),而不是簡單的一項技術(shù)。隱私計算大致分為三類:
第一是密碼學(xué),第二是聯(lián)邦學(xué)習(xí)(federated learning),是偏機器學(xué)習(xí)的技術(shù);第三是可信執(zhí)行環(huán)境(tee),是硬件安全的技術(shù)。當(dāng)然技術(shù)沒有絕對的好壞之分,每個技術(shù)都有它的優(yōu)勢和劣勢,所以在很多的綜合性解決方案中,很多技術(shù)都是融合在一起使用的。
密碼學(xué)簡單來說是研究各類不同情況下,如何保護數(shù)據(jù)隱私的一類學(xué)科。最主要的特點是:所有密碼學(xué)的方向,在涉及算法、方案的時候,要先去定義一個安全模型,要定義什么樣才是安全。之后在這個定義之下,會通過一些數(shù)學(xué)的方法技巧去證明這個方案是滿足安全定義的,所以它相對來說具有完整的數(shù)學(xué)理論基礎(chǔ)的密碼理論。當(dāng)然它的優(yōu)勢是,密碼學(xué)考慮的是一個非常廣泛的場景。所以它能夠更好的適合或適配不同的場景。在某些場景下,能夠做到比較高效。
當(dāng)然密碼學(xué)也有瓶頸,在部分場景里性能、計算時間、通訊復(fù)雜度存在一定的瓶頸。當(dāng)然更大的瓶頸在于,給沒有密碼學(xué)背景的人解釋密碼學(xué)原理,是一件難于上青天的事情。
所以本次分享中,會更傾向于密碼學(xué)的介紹,包括密碼學(xué)的歷史及主要技術(shù),之后我會對其中的安全多方計算的基本原理做一些簡單的介紹。
密碼學(xué)如何實現(xiàn)隱私保護?
密碼學(xué)中的隱私計算技術(shù),大概分為三大類。分別是:安全多方計算、加密、零知識證明。
安全多方計算(簡稱mpc),在1982年由姚期智先生提出,緣起于“百萬富翁問題”。此問題講的是有兩個百萬富翁,他們都很有錢,想比誰更有錢,但是又不想把各自的資產(chǎn)告訴對方,也不想找第三方幫他們做比較。所以他們?nèi)绾文軌蛟诓恍孤蹲约贺敭a(chǎn)的前提之下,知道誰更有錢呢?安全多方計算領(lǐng)域由此開辟。
抽象的來說,可以理解為有多個本地參與,他們各自都擁有一個隱私的收入,但是他們想去計算一個共同的函數(shù)或者說共同的模型,叫做f。這個f會跟各自的輸入都有關(guān)系,然后各自拿到一個結(jié)果。所以我們把它抽象出來,如果f是一個比較的函數(shù),模型里面只有兩個人的話,就形成了一個經(jīng)典的百萬富翁問題。
和我們今天講的內(nèi)容聯(lián)系起來呢?如果這個f是一個模型或是機器學(xué)習(xí)的模型,比如說是一個邏輯回歸、是一個cnn,相當(dāng)于這三方各自都擁有一些數(shù)據(jù),他們想共同訓(xùn)練這個模型。
這就對應(yīng)了今日主題:如何進行隱私 ai 建模的方式?
也就是說,安全多方計算其實是一個非常廣的概念。從密碼學(xué)的角度看,mpc用到機器學(xué)習(xí)、ai里面,就是一個非常具體的應(yīng)用了。那么應(yīng)用運用了何種具體的方式?這就是rosetta所要解決的問題。
rosetta如何連接隱私計算與ai?
講到現(xiàn)在,相信大家一定會遇到一個很大的問題,就是我們很想運用密碼學(xué)解決問題,但是如果沒有很高的數(shù)學(xué)基礎(chǔ)或者沒有學(xué)習(xí)過密碼學(xué)的話,相關(guān)算法實在是門檻太高了。但是一些ai領(lǐng)域的專家、學(xué)者對于ai的應(yīng)用,深度學(xué)習(xí)、機器學(xué)習(xí)的框架已經(jīng)非常熟了。所以這兩種具有不同專業(yè)技能的人,之間有很深的溝壑。在現(xiàn)實生活中,急需把這兩種技術(shù)做一個融合,但是密碼學(xué)相對的技術(shù)門檻太高,會影響整個行業(yè)的發(fā)展,也會影響整套隱私計算或者隱私ai的計算技術(shù)問題和理論進展。
所以我們想讓熟悉機器學(xué)習(xí),但是對密碼學(xué)不了解的用戶能夠?qū)㈦[私計算技術(shù)運用起來。另外對于一些熟悉了ai、或者tensorflow、pytorch等機器學(xué)習(xí)框架的開發(fā)者,讓他們能夠在幾乎不改變開發(fā)習(xí)慣的前提下,就可以運用隱私ai的技術(shù)。我們需要做這樣一個平臺,或者開源框架,能夠讓不太熟悉密碼學(xué)或者根本不懂密碼學(xué)的ai層面的開發(fā)者或?qū)<?,能夠用上隱私計算技術(shù),這就是我們設(shè)計rosetta的初衷,或者說設(shè)計rosetta的一個根本原則。
因此rosetta具備以下特點:易用性,高效性和可擴展性。
易用性,目前完全復(fù)用了tensorflow接口。在明文和密文寫模型的時候,tensorflow的接口是一樣的,沒有再變。極大地降低了ai工程師使用隱私計算技術(shù)的成本。
高效性,完全兼容原生tensorflow對數(shù)據(jù)流圖自動執(zhí)行的各種運行時優(yōu)化。我們用c 來實現(xiàn)算法,能夠保持底層算法的高效性。我們同時在跟業(yè)界的密碼學(xué)家設(shè)計高效前沿的mpc技術(shù),來適配機器學(xué)習(xí)或者深度學(xué)習(xí)的一些模型。
可擴展性,因為在mpc領(lǐng)域算法和協(xié)議非常多,而且涉及不同的場景,可能用不同的算法會有更好的效果。如果有了新的算法過來,rosetta能夠非常快速的集成到整個框架里面去。
下面,我們舉例說明一下:
這里有三個參與方,a、b、c,然后每個人都有一個矩陣ma、mb、mc,之后他們?nèi)ビ嬎鉳a乘mb乘mc,他們?nèi)齻€只能知道結(jié)果,中間的過程都不知道。在這樣一個場景下,如何運用rosetta來實現(xiàn)它呢?和tensorflow明文使用的區(qū)別有兩個,一個是import包和選擇算法,一個是簡單處理隱私輸入,即需要把rosetta包import進來,選擇算法,然后定義隱私輸入即可。
rosetta的架構(gòu)如下:
整體而言,rosetta的框架圖如上圖所示,它包括python的前端apl,這塊是rosetta方便用戶使用而特色支持的,然后與tensorflow的前后端做了適配,同時我們開發(fā)了一個統(tǒng)一的密碼協(xié)議管理層,可以去適配不同的密碼協(xié)議。
我們的目標是既能夠讓懂密碼學(xué)的開發(fā)者把現(xiàn)在的東西復(fù)用到整個框架里來,也能夠讓不懂密碼學(xué)的ai開發(fā)者能夠無門檻的或者非常低門檻的去使用隱私計算技術(shù),相當(dāng)于把密碼學(xué)與機器學(xué)習(xí),有機的結(jié)合起來。這就是rosetta的目標。
下面說一下rosetta的架構(gòu),首先要講tensorflow架構(gòu),tensorflow架構(gòu)簡單地說就是一個圖轉(zhuǎn)化和一個圖執(zhí)行。我們充分利用了tensorflow架構(gòu)來進行密碼適配。
當(dāng)tensorflow把那個圖變成下圖左邊標準的傳統(tǒng)圖時,我們?nèi)プ隽艘粋€static pass,把每一個操作全部都轉(zhuǎn)成secureop,這個統(tǒng)稱是為了后面能夠支持密碼算法。
然后第二步就是圖執(zhí)行,圖執(zhí)行我們運用了dynamic pass,左邊的圖就是剛才轉(zhuǎn)化之后的圖,然后當(dāng)數(shù)據(jù)的時候,根據(jù)每一個這樣的圖,dynamic pass可以動態(tài)去適配用某一類密碼協(xié)議去執(zhí)行這個圖。
我們能夠充分運用tensorflow框架,同時因為能夠利用整個底層的密碼算法,dynamic pass也可充分利用tensorflow這種optimizer之間的并行,可以讓它跑得更快。
下面講一個rosetta在實際場景落地中的應(yīng)用案例:金融場景下的應(yīng)用。銀行a與b,他們各有各的數(shù)據(jù),然后互聯(lián)網(wǎng)公司c也有數(shù)據(jù),大家希望能夠通過rosetta把模型建起來,比如說訓(xùn)練邏輯回歸后,把風(fēng)控模型訓(xùn)練出來,訓(xùn)練出一個更加高效的模型。同時保證abc各方數(shù)據(jù)都不會被對方拿到,這種場景下,用rosetta解決問題非常簡單。
如上圖,把rosetta import進來,然后選一個協(xié)議,然后選相應(yīng)的輸入。后面就是標準的用tensorflow去回歸,所以后面完全不需要有任何密碼學(xué)背景,也可以完全寫出來。在多數(shù)據(jù)融合的訓(xùn)練場景里,只要rosetta一個包,然后把數(shù)據(jù)做一些處理。后面整個邏輯回歸的代碼書寫,跟原來的是一模一樣的,甚至可以把代碼直接拷貝過來。這里有一個問題,我們用mpc的方式也就是密文的方式,它的精度與明文的方式有何區(qū)別?
如上圖,我們做了一個對比,大家可以看到幾乎沒有區(qū)別,基本等價了,所以在設(shè)計足夠多的參數(shù)足夠多的精度之后,完全可以保證整個模型的精度。當(dāng)然還有一個場景就是所謂的模型預(yù)測服務(wù)。
最后講一點,rosetta剛剛開始,目前已經(jīng)開源了0.2.1版本。下面是github鏈接:
https://github.com/latticex-foundation/rosetta