USENIX Security 2025, ESORICS 2024 논문 게재 확정
- 0
- 0
- 08-17
우리 연구실의 다음 논문이 보안 최고 학회 중 하나인 USENIX Security 2025 에 게재 확정되었습니다.
LOHEN: Layer-wise Optimizations for Neural Network Inferences over Encrypted Data with high Performance or Accuracy
Kevin Nam, Youyeon Joo, Dongju Lee, Seungjin Ha, Hyunyoung Oh, Hyungon Moon, and Yunheung Paek
이로써 우리 연구실은 보안 분야 세계 3대 학회 중 하나인 Usenix Security에
2023년, 2024년, 2025년 3년 연속으로 논문을 발표하게 되었습니다.
2023년, 2024년, 2025년 3년 연속으로 논문을 발표하게 되었습니다.
논문 소개 : 동형암호로 application을 연산함에 있어 적합한 암호문 체계와 파라미터를 사용하는 것은 성능과 정확도에 큰 영향을 준다. 신경망은 각기 상이한 구조를 갖는 레이어들의 집합체며, 이에 동형암호 기반 신경망 연산에 있어 레이어별로 효율적인 암호문 체계와 파라미터들을 할당하여 연산하는 방법을 생각해볼 수 있다. 하지만 이 접근은 암호문 파라미터 변환이라는 추가 연산 부하가 발생한다는 trade-off를 유발한다. 본 논문은 이 trade-off를 분석하여 동형암호 기반 신경망 연산의 성능과 정확도를 최적화하고 이를 사용자의 요구에 맞게 조절할 수 있는 기법을 제안한다.
또한 다음 논문이 ESORICS 2024 에 게재 확정되었습니다.
VFLIP: A Backdoor Defense for Vertical Federated Learning via Identification and Purification
Yungi Cho, Woorim Han, Miseon Yu, Younghan Lee, Ho Bae and Yunheung Paek
논문 소개 : Vertical Federated Learning(VFL)은 참여자들이 서로 다른 특성을 가진 데이터를 수직으로 분할해 처리하기 때문에, 백도어 공격에 대해서는 기존 방어 기법으로 효과적으로 대응하기 어려움이 밝혀졌다. 이에 본 논문에서는 VFL에 특화된 첫 번째 backdoor 방어 기법인 VFLIP을 제안하여, VFLIP의 참여자별 anomaly detection과 embeddiong purification방식은 다양한 실험에서 backdoor 공격을 효과적으로 완화함을 입증하였다.