개요:

동형암호는 개인정보를 보호하면서 머신러닝 및 각종 통계연산을 수행할 수 있는 암호화 기술 이지만, 연산 속도가 평문 연산에 비해 많이 느린 단점이 있습니다. 이 세션에서는 암호화된 상태에서 연산이 가능한 동형암호를 통해 CNN 알고리즘을 구현하는 과정에서 연산 속도를 높이고 메모리를 효율적으로 사용하기 위해 고군분투한 네이버 클라우드 보안개발팀의 노하우와 팁을 공유합니다. CNN 알고리즘 추론을 위해 데이터를 효율적으로 Packing하여 메모리 효율성을 증대시키고, Convolution 계층과 Fully Connected Layers의 연산의 최소화를 통해 연산 속도를 높이는 과정을 알기 쉽게 소개해 드립니다. 그리고 실제 동형암호 기반 CNN 알고리즘을 통하여 MNIST 데이터셋의 분류 문제와 여러 분류 문제들에 대한 시연을 진행할 예정입니다.

목차

1. 동형암호 기반 머신러닝이란 무엇인가

• 머신러닝에서 프라이버시 유출 사례 소개
• 동형암호란 무엇인가?
• 동형암호 기반 머신러닝의 사례들

2. 동형암호 기반 CNN 알고리즘 구현 꿀팁 대방출

• CNN 알고리즘의 소개
• 일반 CNN 알고리즘과 동형암호 기반 CNN알고리즘 구현의 차이점 분석
• CNN에 동형암호를 적용하기 위한 고군분투 과정 소개
• CNN에 동형암호를 적용하기 위한 꿀팁 대방출

3. 동형암호 기반 CNN 알고리즘의 성능 측정

• MNIST 데이터셋을 비롯한 다양한 데이터셋에서의 속도 측정
• CPU VS GPU
• Batch 구조를 활용한 대규모 CNN 처리 과정 소개
• 기존 연구 결과와 비교
• 동형암호 기반 CNN 활용 예시

4. 동형암호 기반 CNN알고리즘을 활용 분야

• NaverCloud의 동형암호 PaaS 상품 소개
• 채무불이행 데이터를 기반 추론 시나리오 시연
• 다양한 응용 분야 소개
• 추후 연구 계획 소개