RNS-CKKS에서 동형 비교/최댓값/ ReLU 연산을 위한 최소최대 근사 최적화 연구

Minimax Approximation Optimization for Homomorphic Comparison/Max/ReLU in RNS-CKKS

연구 내용

RNS-CKKS에서 동형 비교, max, ReLU를 효율적으로 수행하기 위해 최소최대 근사오차의 역문제를 빠르게 풀어 구성 다항식 차수를 최적화하는 연구

동형암호 기반 머신러닝에서 비교, max, ReLU와 같은 기본 연산은 신경망 추론 회로의 핵심 구성요소입니다. CKKS에서 sign 함수 근사를 활용하는 방식은 알려져 있으나, RNS-CKKS에서는 비스칼라 곱셈이 암호문 레벨에 따라 시간에 크게 영향을 주어 기존 차수 산정이 그대로 적용되기 어렵습니다. 본 연구는 최소최대 근사오차의 역문제를 빠르게 계산하는 알고리즘을 제안하여 구성 다항식의 차수 조합을 더 효율적으로 탐색합니다. 이를 기반으로 RNS-CKKS에서 비교/max/ReLU를 구현하고 정밀도 요구에 맞는 파라미터 세트를 구성합니다.

관련 프로젝트

0건

연구 흐름

초기에는 CKKS에서 sign 함수를 이용해 비교, max, ReLU를 구현하는 근사 구조를 검토하고, 구성 다항식 차수가 성능에 미치는 영향을 확인했습니다. 이후 RNS-CKKS 변형에서 비스칼라 곱셈의 수행시간이 암호문 레벨에 의존한다는 점을 반영하지 못하는 한계를 도출했습니다. 그 결과 최소최대 근사오차의 역문제를 대상으로 하는 빠른 산출 알고리즘을 도입하여 더 높은 차수 구성을 포함한 최적 차수 조합을 탐색했습니다. 마지막으로 RNS-CKKS에서 동형 비교, max, ReLU를 실제로 구현하고 정밀도 설정에 따른 파라미터 구성을 통해 계산 깊이와 수행시간을 동시에 낮추는 방향으로 발전했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

동형 암호 기반 분류기 구현
암호화 도메인 의사결정 로직
딥러닝 활성함수 근사 회로 최적화
정밀도 가변 파라미터 튜닝
암호문 레벨 인지형 연산 스케줄링
저지연 프라이버시 보존 추론
암호화 신호 처리 파이프라인
기밀 데이터 기반 모델 비교
보안 게이트 연산 라이브러리화
RNS-CKKS 기반 확장형 신경망 설계