[发明专利]用于利用SPDZ的快速安全多方内积的方法

说明书

一种用于使用SPDZ协议在两个当事方之间实现安全多方内积计算的方法，牵涉到：对于，使第一当事方和第二当事方分别基于向量（）和向量（）来计算向量(I)=(II)，其中，，N是向量中的元素总数，。向量(I)和(III)在当事方之间安全地共享。当事方然后联合计算SPDZ协议和来分别确定共享物和，并且然后对于，通过执行SPDZ协议来计算内积共享物。然后执行SPDZ协议（）来确定内积。

相关申请的交叉引用

本申请要求Zheng等人于2017年12月14日提交的题为“METHOD FOR FASTER SECUREMULTIPARTY INNER PRODUCT WITH SPDZ”的美国临时申请序列号62/598,666的优先权，特此将该美国临时申请的公开内容通过引用在其整体上并入本文中。

技术领域

本公开总地涉及多方计算（MPC）协议，并且特别地涉及SPDZ（发音为“speedz”）MPC协议。

背景技术

在安全多方计算（MPC）协议中，多个当事方关于其私有输入联合计算函数并且仅学习函数的输出。SPDZ协议是最实用和活跃的安全MPC协议之一，并且实现针对任何数量的恶意受损方的安全性。具体来说，SPDZ协议正在预处理模型中工作：在不知道任何未来输入的情况下，离线阶段执行耗时的任务来生成元组；并且在线阶段利用私有输入以及运用来自离线阶段的那些元组来执行特定函数。特别地，SPDZ是允许运算电路的联合计算的通用MPC协议。

安全内积是隐私保护数据挖掘中广泛使用的构造块。如本领域公知的，内积运算（也称为“点积”）将来自两个向量的对应元素对乘在一起以产生个体乘积，并且将所有乘积求和以产生最终的标量总和值。例如，如果w =（1，2，3）并且x = （4，5，6），那么内积是：。内积运算用于宽范围的实际计算中，并且举一个非限制性的示例，神经网络大量使用内积运算，其中向量w表示在神经网络中使用的权重向量，并且向量x表示输入值，其中神经元运算的部分是为了生成每个权重乘以对应输入值的总和，其是上述内积运算。SPDZ协议使得各自具有对仅输入数据的部分的访问的两个或更多个当事方使用安全多方计算来生成内积值。例如，在一种配置中，一个计算设备具有对神经网络中的权重向量w的访问，并且另一个计算设备具有对输入向量x的访问，该输入向量x可以包含关于输入图像或隐私敏感的其他输入数据的信息。SPDZ协议使得能够计算内积的最终输出，而不向存储权重值w的当事方透露输入向量x并且不向存储输入向量x的当事方透露权重值w。SPDZ协议在至少两个当事方的群组之间使能实现该运算，尽管在一些配置中，向量w和x在更大的当事方群组间被进一步细分。虽然本文中没有更详细地描述，但是SPDZ协议还为群组中的当事方提供了用以确定当事方的子集是否已经操纵了共享数据来生成不正确的最终结果的某种能力，这为群组提供了用以确定最终的计算结果是否已经被准确地计算或者应当被丢弃的某种能力。

对于两个N维向量和，它们的内积是总和。利用SPDZ对安全内积的直接实现牵涉到在线阶段中的N个逐对乘法、继之以N – 1个加法。找到用于降低针对安全内积的计算要求的方式可以改进针对SPDZ的在线阶段和离线阶段二者的性能。

附图说明

图1描绘了SPDZ协议的步骤，其中是公共已知的，并且是n个当事方。

图2描绘了SPDZ协议的步骤，其中是共享值（）。