Homomorphic
Encryption for Arithmetic of
Approximate Numbers

HEaaN은 암호화된 상태에서의 정보분석이 가능하며
이때 정보가 암호화되어 있으므로 해커가 정보를 탈취하더라도 정보가 노출되지 않습니다.

기존의 동형암호들은 연산을 반복할 때 암호문의 크기가 지수적으로 증가하기 때문에
현실적으로 상용화에 어려움이 있었지만 HEaaN은 계산결과에 큰 영향을 미치지 않는 작은 값을 버리면서
빠르게 계산하는 근사계산 방식을 창안하여 계산속도를 획기적으로 향상시킨 유일한 동형암호입니다.

대부분의 기계학습 및 의료데이터 분석 등에 실수계산이 필요하다는 점을 생각하면
정보를 보호하면서 연산수행이 가능한 동형암호들 중 실수계산을 제공하는 HEaaN이 유일한 솔루션입니다.

HEaaN

동형암호는 암호문 간의 연산을 지원 함으로써 데이터의 수집, 보관, 그리고 가공을 하는 과정에서 평문이 노출되지 않는다는 장점을 가지고 있습니다. 이로 인해 클라우드 컴퓨팅과 빅데이터의 활용 분야 중 개인정보를 보호해야 할 필요가 있는 응용에 있어서 활발한 연구와 개발이 이루어지고 있습니다. 데이터를 암호화 하지 않고 직접 연산 하는 것에 비해서 처리해야 하는 데이터의 양과 연산 수행에 걸리는 시간에 있어서 감수해야 하는 비효율성을 최소화 하는 것이 동형암호 알고리즘의 중요한 성능 척도 중 하나입니다.

IDASH
  • 주최

    UCSD Medical School

    UCSD Medical School

  • 후원

    미국 국립보건원

    미국 국립보건원

  • 목표

    정보유출 없이 클라우드 컴퓨팅으로
    유전정보를 분석

혜안은 이러한 성능척도에 있어서 가장 뛰어난 성능을 보임으로써 ISO (International Standard Organization), ITU (International Telecommunication Union) 그리고 IETF (Internet Engineering Task Force)와 같은 세계적인 표준화 단체의 후보 알고리즘으로 채택되고 있습니다. 혜안은 효율적인 실수연산을 가능하게 하는 최초의 동형암호 알고리즘으로서 학계와 세계적인 경진대회를 통해 그 우수성이 입증되고 있으며, 14개의 특허를 통해 원천기술을 확보하고 있습니다.

혜안은 보유 특허기술을 바탕으로 기본적인 암호화/복호화 기능과 암호문 간의 실용적인 연산들을 효율적으로 수행할 수 있도록 하는 모듈을 탑재할 수 있게 설계되어 있습니다. 혜안이 제공하고 있는 대표적인 암호문 간의 연산들은 덧셈/곱셈/회전, 재부팅, 기초통계, 로지스틱 회귀 (Logistic Regression), 그리고 기계학습 등이 있습니다. 혜안은 이러한 핵심적인 기능들을 최적화 한 라이브러리와 다양한 응용분야에 최적의 적응성을 제공하는 효과적인 소프트웨어 아키텍처를 가진 모듈들을 포함하며 금융 및 의료와 같은 중요한 응용 시스템에 적용할 수 있도록 지원하는 API (Application Programming Interface)와 해당 시스템에 최적화 할 수 있도록 돕기 위한 다양한 기술백서들을 제공합니다.

동형암호의 원리동형암호의 원리
2017 TRACK 3 : BEST-PERFORMING TEAMS

Evaluated on (three datasets of 1422 records for training/157 records for testing + 18 features)

2017 TRACK 3 : BEST-PERFORMING TEAMS
Teams AUC
0.7136
Encryption Secure learing Decryption Overall time
(mins)
Size(MB) Time
(mins)
Time
(mins)
Memory
(MB)
Size
(MB)
Time
(mins)
SNU 0.6934 537.667 0.060 10.250 2775.333 64.875 0.050 10.360
CEA LIST 0.6930 53.000 1.303 2206.057 238.255 0.350 0.003 2207.363
KU Leuven 0.6722 4904.000 4.304 155.695 7266.727 10.790 0.913 160.912
EPFL 0.6584 1011.750 1.633 15.089 1498.513 7.125 0.017 16.739
MAR 0.6574 1945.600 11.335 385.021 26299.344 76.000 0.033 396.390
Waseda* 0.7154 20.390 1.178 2.077 7635.600 20.390 2.077 5.332
Saarland N/A 65536.000 16.633 48.356 29752.527 65536 7.355 57.344

* Interactive mechanism, no complete guarantee on 80-bit security at “analyst” side

** Program ends with errors

2018 TRACK 2 : Secure Parallel Genome Wide Associaion Studies using Homomorphic Encryption
Team Submission Schemes End to End Performance Evaluation result (F1-Score)
at different cutoffs
Running time
(mins)
Peak Memory
(M)
0.01 0.001 0.0001 0.00001
Gold Semi Gold Semi Gold Semi Gold Semi
A*FHE A*FHE -1 + HEAAN 922.48 3,777 0.977 0.999 0.986 0.999 0.985 0.999 0.966 0.998
A*FHE -2 1,632.97 4,093 0.882 0.905 0.863 0.877 0.827 0.843 0.792 0.826
Chimera Version 1 + TFHE & HEAAN
(Chimera)
201.73 10,375 0.979 0.993 0.987 0.991 0.988 0.989 0.982 0.974
Version 2 215.95 15,166 0.339 0.35 0.305 0.309 0.271 0.276 0.239 0.253
Drlft Blue Delft Blue HEAAN 1,844.82 10,814 0.965 0.969 0.956 0.944 0.951 0.935 0.884 0.849
UC San Diego Logistic Regr + HEAAN 1.66 14,901 0.983 0.993 0.993 0.987 0.991 0.989 0.995 0.967
Linear Regr 0.42 3,387 0.982 0.989 0.980 0.971 0.982 0.968 0.925 0.89
Duality Technologies  Logistic Regr + CKKS (Aka HEAAN),
pkg:palisade
3.8 10,230 0.982 0.993 0.991 0.993 0.993 0.991 0.990 0.973
Chi2 test 0.09 1,512 0.968 0.983 0.981 0.985 0.980 0.985 0.939 0.962
Seoul National University SNU-1 HEAAN 52.49 15,204 0.975 0.984 0.976 0.973 0.975 0.969 0.932 0.905
SNU-2 52.37 15,177 0.976 0.988 0.979 0.975 0.974 0.969 0.939 0.909
IBM IBM-Complex CKKS (Aka HEAAN),
Pkg:HEIIB
23.35 8,651 0.913 0.911 0.169 0.188 0.067 0.077 0.053 0.06
IBM-Real 52.65 15,613 0.542 0.526 0.279 0.28 0.241 0.255 0.218 0.229

Thesis

주요논문(Google Scholar Profile, dplp)

Video

영상

  • 서울대학교 수학과 강연회

    날짜
    2019.09.19
    설명
    동형암호(Homomorphic Encryption)는 암호화된 상태에서 복호화없이 계산을 수행하는 암호로서 1978년 제안된 이후 오랜 연구를 거쳐 최근 실용화를 앞두고 있다. 본 강연에서는 우선 동형암호의 개념과 최근 연구결과 그리고 이의 기계학습에의 응용을 소개한다
    링크
  • SAMSUNG SDS REAL 2019 - KEYNOTE 2 (Key Technologies in Digital Transformation)

    날짜
    2019.05.08
    설명
    동형암호의 발전방향과 특성, 그리고 삼성SDS와 협력하고 있는 내용에 대한 소개
    링크
  • 동형 암호화된 신용정보를 활용한 평가모델 소개

    날짜
    2019.01.23
    설명
    개인식별방지 암호기술 세미나에서 이욱재 본부장(KCB, 코리아크레딧뷰로)의 동형암호를 적용한 동형신용평가 모델 설명
    링크
  • 개인식별 방지 기술 세미나(동형암호 기술 동향 및 실증)

    날짜
    2019.01.22
    설명
    국제 표준화 동향 국내외 활용 사례 - 천정희 교수(서울대 수리과학부)
    링크
검색 닫기