CipherFlow, 암호 추론 컴파일 자동화
최근 30일 조회수 — 좋아요 —핵심 요약
CipherFlow가 AI 계산 그래프와 배포 환경을 분석해 HE·MPC 실행을 최적화하고 추론 속도를 높였다.
CipherFlow 연구진이 인공지능 계산 그래프를 암호학적으로 안전한 추론 프로그램으로 바꾸는 컴파일러 프레임워크를 공개했다. 11월 1일 arXiv에 제출된 논문에 따르면, CipherFlow는 모델 구조와 배포 환경을 함께 분석해 동형암호(HE)와 안전한 다자간 연산(MPC)의 실행 방식을 자동으로 정한다. 측정된 백엔드 비용을 이용한 평가에서는 정적인 하이브리드 배치 방식보다 BERT-base에서 최대 16.5배, 비전 트랜스포머(ViT)에서 22배 넘는 속도 향상을 기록했다.1
암호학적으로 안전한 추론은 입력이나 중간 계산값을 노출하지 않으면서 AI 모델을 실행하는 기술이다. 실용화 과정에서는 두 문제가 맞물린다. 개발자가 여러 암호 프리미티브를 올바르게 조합해야 하고, 같은 프로그램도 CPU·GPU 구성과 네트워크 상태에 따라 실행 성능이 달라진다. 계산 도중 변하는 암호문 상태까지 고려해야 하므로, 모델 연산과 암호 실행 방식을 사람이 함께 설계하기가 어렵다.
CipherFlow는 고수준 AI 계산 그래프, 사용할 수 있는 암호 프리미티브, 목표 하드웨어·네트워크 구성을 입력받아 지연 시간을 줄인 실행 프로그램을 생성한다. 이를 위해 MicroBench가 배포 환경별 프리미티브 비용을 측정한다. 이어 상태 확장 계획 기법이 HE와 MPC 가운데 각 연산을 어디에 배치할지, 두 방식 사이를 언제 변환할지, 암호문을 어떻게 유지할지를 암호 상태 제약과 함께 최적화한다. BlockFold는 분기가 있는 영역을 요약해 트랜스포머처럼 큰 계산 그래프에서도 계획 탐색이 가능하도록 한다.
핵심은 AI 모델 작성과 암호 실행 결정을 분리했다는 점이다. 개발자는 계산 자체를 표현하고, 배포 환경에 맞춘 암호 방식의 조합은 컴파일러가 맡는다. 다만 논문이 제시한 수치는 CPU·GPU 및 네트워크 설정에서 측정한 HE·MPC 백엔드 비용과 정적 배치 기준선을 비교한 결과다. 공개된 초록만으로는 모든 모델과 실제 서비스 환경에서 같은 향상 폭이 재현된다고 판단할 수 없다. 또한 이 연구는 arXiv에 제출된 초판으로, 자료에는 동료평가 여부가 제시돼 있지 않다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.