Rosetta如何連接隱私計(jì)算與AI？

作者：云風(fēng) 2020-08-11 12:58:46

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(jì)算，以及基于密碼學(xué)的隱私開源框架—Rosetta。

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(jì)算，以及基于密碼學(xué)的隱私開源框架—Rosetta。

隱私計(jì)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(hù)做得遠(yuǎn)遠(yuǎn)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(rèn)為其中最關(guān)鍵的一點(diǎn)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(hù)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(yùn)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(diǎn)。因此也引出了“隱私計(jì)算”的概念。

關(guān)于隱私計(jì)算，簡單來說就是保證數(shù)據(jù)在使用和融合過程中，保護(hù)隱私的綜合性技術(shù)，而不是簡單的一項(xiàng)技術(shù)。隱私計(jì)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(jī)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(hù)數(shù)據(jù)隱私的一類學(xué)科。最主要的特點(diǎn)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(jì)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(jì)算的基本原理做一些簡單的介紹。

密碼學(xué)如何實(shí)現(xiàn)隱私保護(hù)？

密碼學(xué)中的隱私計(jì)算技術(shù)，大概分為三大類。分別是：安全多方計(jì)算、同態(tài)加密、零知識證明。

安全多方計(jì)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?cái)產(chǎn)的前提之下，知道誰更有錢呢？安全多方計(jì)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(jì)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(jī)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(jìn)行隱私 AI 建模的方式？

也就是說，安全多方計(jì)算其實(shí)是一個非常廣的概念。從密碼學(xué)的角度看，MPC用到機(jī)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(yùn)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(jì)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(yùn)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(shí)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(jī)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(shí)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(jì)算或者隱私AI的計(jì)算技術(shù)問題和理論進(jìn)展。

所以我們想讓熟悉機(jī)器學(xué)習(xí)，但是對密碼學(xué)不了解的用戶能夠?qū)㈦[私計(jì)算技術(shù)運(yùn)用起來。另外對于一些熟悉了AI、或者TensorFlow、Pytorch等機(jī)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(yùn)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)＜遥軌蛴蒙想[私計(jì)算技術(shù)，這就是我們設(shè)計(jì)Rosetta的初衷，或者說設(shè)計(jì)Rosetta的一個根本原則。

因此Rosetta具備以下特點(diǎn)：易用性，高效性和可擴(kuò)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(jì)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(yùn)行時優(yōu)化。我們用C++來實(shí)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(jì)高效前沿的MPC技術(shù)，來適配機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)的一些模型。

可擴(kuò)展性，因?yàn)樵贛PC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?jì)算Ma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(yùn)用Rosetta來實(shí)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(jìn)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(biāo)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(jì)算技術(shù)，相當(dāng)于把密碼學(xué)與機(jī)器學(xué)習(xí)，有機(jī)的結(jié)合起來。這就是Rosetta的目標(biāo)。

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(jìn)行密碼適配。

當(dāng)TensorFlow把那個圖變成下圖左邊標(biāo)準(zhǔn)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(yùn)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(yùn)用TensorFlow框架，同時因?yàn)槟軌蚶谜麄€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(shí)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(jìn)來，然后選一個協(xié)議，然后選相應(yīng)的輸入。后面就是標(biāo)準(zhǔn)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？