信息与智能大讲堂青年论坛
讲座1：
面向隐私图神经网络推理的算术-逻辑混合的全同态加密加速器
主讲嘉宾：边松 副教授，北京航空航天大学
讲座时间：2024年5月24日 星期五 09:30
讲座2：
高效的隐私保护多方多数据排序
主讲嘉宾：李雄 教授，电子科技大学
讲座时间：2024年5月24日 星期五 11:00
腾讯会议：616-9016-7251
扫码注册：
嘉宾介绍：
边松：北京航空航天大学网络空间安全学院副教授。他的主要研究方向是同态加密、隐私保护计算与密码软硬件协同加速，于CCS、NDSS、USENIX Security、VLDB及DAC等多个领域的CCF-A类期刊及会议以第一或通讯作者发表论文十余篇，获CCS 2023杰出论文奖。主持国家重点研发计划青年科学家、国家自然基金委青年基金等项目，入选第九届中国科协青年人才托举工程。他担任多个跨领域的国际会议与期刊的程序委员与审稿人, 包括CVPR、TIFS及TCAD。他是IEEE与CCF的会员，CCF杰出演讲者。
内容提要：
图神经网络（GNNs）在社交媒体和生物信息学等领域的应用日益广泛，推动了基于云的GNN推理服务的发展。然而在云上处理敏感数据时，如何保护数据隐私成为一个关键问题。全同态加密（FHE）能在加密的数据上进行GNN计算。但现有的基于FHE的GNN推理方案常常因为计算开销大、精度下降或数据保护不完整而在实际应用中受到限制。
本文提出了PPGNN，提出了一种基于算术与逻辑混合FHE方案的隐私保护GNN推理算法，该算法在维持高精度的同时，仅需较小的FHE参数，并将计算负载集中在适合硬件加速的并行计算部分。在此基础上，我们设计了一种专用硬件架构来加速该算法，该架构包含用于分别加速算术FHE和逻辑FHE算子的专用硬件单元，并实现了两部分计算单元的流水线处理。实验结果表明，PPGNN相较于最先进的算术FHE和逻辑FHE加速器，分别实现了2.7倍和1.5倍的速度提升，并且平均减少了约18倍的能耗。
李雄：电子科技大学教授、博导、国家级和四川省青年人才。主要研究方向为密码协议、数据安全与隐私计算。主持国家级和省部级项目10余项。曾入选全球高被引科学家, 中国高被引学者, 全球前2%顶尖科学家榜单。发表论文200余篇, 其中在IEEE系列期刊、CCF AB类期刊、SCI 一二区期刊论文100余篇, Google Scholar被引11000余次, H指数63。荣获2023 IEEE MASS Best Paper Runner-Up Award, 荣获2020年IEEE Systems Journal最佳论文奖, 荣获2020年和2015年Journal of Network and Computer Applications最佳研究论文奖。担任中文信息学会大数据安全与隐私计算专委会常务委员、中国计算机学会区块链专委会执行委员。
内容提要：
隐私保护排序允许多个参与方在不泄露各自数据隐私的前提下计算多个数据集的排序结果, 是一类基础的安全多方计算问题。现有协议大多只支持两个参与方且均未考虑恶意参与者的穷举攻击。本工作提出一个高效的隐私保护多方多数据排序协议。多个参与方仅需O(1)轮交互即可以隐私保护的方式获得其持有的多个数据的排序结果。具体来讲, 设计了基于多项式的编码方法、多项式加密、聚合多项式生成和解密多项式生成算法, 通过多项式加法实现隐私保护的多方多数据排序, 各参与方通过不经意传输获得排序结果。安全性分析表明该协议不仅实现了半诚实安全性, 而且达到了不合谋恶意用户穷举攻击的恶意安全性。此外, 大量实验表明协议是通信和计算高效的。
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]
