다음 논문이 Usenix Security  Symposium 2025에 게재 확정되었습니다.

 SLOTHE: Lazy Approximation of Non-Arithmetic Neural Network Functions over Encrypted Data

Kevin Nam​*, Youyeon Joo​*, Seungjin Ha, Yunheung Paek 

*: co-first authors

이로써 저희 연구실은 4년 연속으로 USENIX Security 학회에 논문을 게재하게 되었습니다.

논문 소개:

BFV, CKKS와 같은 대부분의 동형암호 체계는 태생적으로 산술연산만을 지원하기 때문에, 비산술연산을 처리하기 위해서는 비슷한 결과를 만드는 근사다항식을 만들어서 대체연산하는 것이 필요하다. 이런 방식은 연산 오차를 일으키는데, 이는 신경망 연산에 있어 정확도 하락으로 이어진다. 기존 연구들은 비산술연산을 마주치자마자 즉각적으로 대체하는 Eager Approximation 방식을 택하는데, 이는 즉 곧바로 근사로 인한 오차 및 성능을 고정하여 추가 최적화를 수행할 수 없다는 한계가 있다. 본 연구는 이와 다르게 Lazy Approximation이라는 방식을 제안한다. 신경망 연산의 비산술연산들이 실제로는 PyTorch 등에서 불려오는 함수 코드이며, 그 코드 내부는 또다시 산술과 비산술 sub-function들로 구성되어 있다는 점에 착안하여, 바로 대상 함수를 근사하는 것이 아니라 코드 내부를 재귀적으로 분석하여 비산술 파트들만 남긴 후 이들에만 근사식을 적용하는 기술을 구현했다.