信息与智能大讲堂青年论坛
讲座1：
Ring/Module Learning with Errors under Linear Leakage -- Hardness and Applications
主讲嘉宾：来齐齐 副教授，陕西师范大学
讲座时间：2024年5月23日 星期四 14:30
讲座2：
Efficient Private Transformer Inference through Network/Protocol Co-optimization
主讲嘉宾：李萌 助理教授，北京大学
讲座时间：2024年5月23日 星期四 16:00
腾讯会议：616-9016-7251
扫码注册：
嘉宾介绍：
左聪：陕西师范大学计算机科学学院，副教授，硕士生导师。研究方向为后量子安全的公钥密码方案的设计与分析。2015年获得西安电子科技大学密码学专业博士学位。目前，在国际密码学会顶级会议Eurocrypt，PKC等发表多篇论文。主持国家自然科学基金面上项目、青年项目各一项、ISN重点实验室开放课题一项、密码科学技术国家重点实验室开放课题一项、河南省网络密码技术重点实验室研究课题一项。获党政机要密码科学技术奖三等奖一项。
内容提要：
This work studies the hardness of decision Module Learning with Errors (MLWE) under linear leakage, which has been used as a foundation to derive more efficient lattice-based zero-knowledge proofs in a recent paradigm of Lyubashevsky, Nguyen, and Seiler (PKC 21), Lyubashevsky, Nguyen, and Plancon (CRYPTO 22). Unlike in the plain LWE setting, it was unknown whether this problem remains provably hard in the module/ring setting.
This work shows a reduction from the search MLWE to decision MLWE with linear leakage. Thus, the main problem remains hard asymptotically as long as the non-leakage version of MLWE is hard. Additionally, we also refine the paradigm of Lyubashevsky, Nguyen, and Seiler (PKC 21), Lyubashevsky, Nguyen, and Plancon (CRYPTO 22) by showing a more fine-grained tradeoff between efficiency and leakage. This can lead to further optimizations of lattice proofs under the paradigm.
李萌：于2022年加入北京大学集成电路学院和人工智能研究院，任助理教授，博士生导师，获国家青年高层次人才计划（海外）。加入北京大学前，他曾任职于全球最大社交媒体公司Facebook的虚拟现实和增强现实实验室，作为技术主管从事高效人工智能加速算法和系统的研究。他于2018年和2013年分别在美国德州大学奥斯汀分校和北京大学获得博士和学士学位。他的研究兴趣集中于高效、安全的多模态人工智能加速算法和系统。他在国际顶级会议、期刊发表文章70余篇，并于2017年和2018年获得IEEE HOST和ACM GLSVLSI的会议最佳论文。此外，他还获得了欧洲设计自动化协会最佳博士论文、ACM学生科研竞赛总决赛第一名等奖项。
内容提要：
Recent years have witnessed the fast evolution of AI and deep learning (DL). However, with the wide application of DL comes ever-increasing privacy concerns with data and neural network (NN) models. Private NN inference based on two-party computation (2PC) is proposed, which provides cryptographically strong privacy protection. However, such a strong privacy guarantee is achieved at significant communication and computation overhead, leading to several orders of magnitude latency degradation. In this talk, I will discuss some of my recent works on NN/protocol co-optimization. Specifically, I will highlight the importance of 2PC-aware NN optimization and NN-aware protocol design in mitigating the latency gap. I will also discuss the future directions to further improve the efficiency of private inference for modern networks.
主办单位：
《Journal of Information and Intelligence》
《西安电子科技大学学报》
《西安电子科技大学学报（社会科学版）》
《电子科技》
协办单位：
西安电子科技大学通信工程学院
致谢：
中国科技期刊卓越行动计划高起点新刊项目
联系我们：
《西安电子科技大学学报》编辑部 电话：029-88202853 邮箱：[email protected]
《信息与智能学报（英文）》编辑部 电话：029-88201709 邮箱：[email protected]
