“隐语” 是开源的可信隐私计算框架,内置 MPC、TEE、同态等多种密态计算虚拟设备供灵活选择,提供丰富的联邦学习算法和差分隐私机制。
代码开源:
导语:
在数据科学竞赛中经典算法XGB备受关注。但有小伙伴担心,在纵向联邦中XGB是否足够高效,安全和效率是否可以兼得, 隐私计算是否耗时太长导致模型迭代缓慢?使用隐语中联邦算法SecureBoost的高效实现, 炼丹效率轻松狂飙10倍!
隐语近期开源了基于纵向联邦算法SecureBoost算法,并进行了高性能实现。与秘密分享方案的SS-XGB相比,SecureBoost性能具有更好的表现,不过由于是非MPC算法,在安全方面低于SS-XGB。
隐语SecureBoost(下文简称:隐语SGB)利用了安全底座和多方联合计算的分布式架构, 极大提高了密态计算效率和灵活性。只需要通过简单配置, 隐语SGB即可切换同态加密协议, 例如Paillier和OU, 满足不同场景下的安全和计算效率的需求。
本文将介绍隐语SGB的具体测试环境、步骤和数据, 方便您了解协议的使用方法和性能数据, 从而更好地了解隐语 SGB, 满足您的业务需求。让我们一起来领略隐语SGB的魅力吧!
测试方法和步骤:
一、测试机型
●Python:3.8
●pip: >= 19.3
●OS: CentOS 7
●CPU/Memory: 推荐最低配置是 8C16G
●硬盘:500G
二、安装conda
使用conda管理python环境,如果机器没有conda需要先安装。
#sudo apt-get install wget
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
#安装
bash Miniconda3-latest-Linux-x86_64.sh
# 一直按回车然后输入yes
please answer 'yes' or 'no':
>>> yes
# 选择安装路径, 文件名前加点号表示隐藏文件
Miniconda3 will now be installed into this location:
>>> ~/.miniconda3
# 添加配置信息到 ~/.bashrc文件
Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no]
[no] >>> yes
#运行配置信息文件或重启电脑
source ~/.bashrc
#测试是否安装成功,有显示版本号表示安装成功
conda --version
三、安装secretflow
conda create -n sf-benchmark python=3.8
conda activate sf-benchmark
pip install -U secretflow
四、数据要求
两方数据规模:
- alice方:100万50维
- bob方:100万50维
三方数据规模:
- alice方:100万34维
- bob方:100万33维
- carol:100万33维
五、Benchmark脚本
import logging
import socket
import sys
import time
import spu
from sklearn.metrics import mean_squared_error, roc_auc_score
import secretflow as sf
from secretflow.data import FedNdarray, PartitionWay
from secretflow.device.driver import reveal, wait
from secretflow.ml.boost.sgb_v import Sgb
from secretflow.utils.simulation.datasets import create_df
from secretflow.data.vertical import read_csv as v_read_csv
# init log
logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.info("test")
_parties = {
# you may change the addresses
# 将alice、bob、carol的ip替换为实际ip
'alice': {'address': '192.168.0.1:23041'},
'bob': {'address': '192.168.0.2:23042'},
'carol': {'address': '192.168.0.3:23043'},
}
def setup_sf(party, alice_ip, bob_ip, carol_ip):
cluster_conf = {
'parties': _parties,
'self_party': party,
}
# init cluster
_system_config = {'lineage_pinning_enabled': False}
sf.init(
address='local',
num_cpus=8,
log_to_driver=True,
cluster_config=cluster_conf,
exit_on_failure_cross_silo_sending=True,
_system_config=_system_config,
_memory=5 * 1024 * 1024 * 1024,
cross_silo_messages_max_size_in_bytes = 2 * 1024 * 1024 * 1024 -1,
object_store_memory=5 * 1024 * 1024 * 1024,
)
# SPU settings
cluster_def = {
'nodes': [
{'party': 'alice', 'id': 'local:0', 'address': alice_ip},
{'party': 'bob', 'id': 'local:1', 'address': bob_ip},
{'party': 'carol', 'id': 'local:1', 'address': carol_ip},
],
'runtime_config': {
# SEMI2K support 2/3 PC, ABY3 only support 3PC, CHEETAH only support 2PC.
# pls pay attention to size of nodes above. nodes size need match to PC setting.
'protocol': spu.spu_pb2.ABY3,
'field': spu.spu_pb2.FM64,
},
}
# HEU settings
heu_config = {
'sk_keeper': {'party': 'alice'},
'evaluators': [{'party': 'bob'},{'party': 'carol'}],
'mode': 'PHEU', # 这里修改同态加密相关配置
'he_parameters': {
'schema': 'paillier',
'key_pair': {
'generate': {
'bit_size': 2048,
},
},
},
'encoding': {
'cleartext_type': 'DT_I32',
'encoder': "IntegerEncoder",
'encoder_args': {"scale": 1},
},
}
return cluster_def, heu_config
class SGB_benchmark:
def __init__(self, cluster_def, heu_config):
self.alice = sf.PYU('alice')
self.bob = sf.PYU('bob')
self.carol = sf.PYU('carol')
self.heu = sf.HEU(heu_config, cluster_def['runtime_config']['field'])
def run_sgb(self, test_name, v_data, label_data, y, logistic, subsample, colsample):
sgb = Sgb(self.heu)
start = time.time()
params = {
'num_boost_round': 5,
'max_depth': 5,
'sketch_eps': 0.08,
'objective': 'logistic' if logistic else 'linear',
'reg_lambda': 0.3,
'subsample': subsample,
'colsample_by_tree': colsample,
}
model = sgb.train(params, v_data, label_data)
# reveal(model.weights[-1])
print(f"{test_name} train time: {time.time() - start}")
start = time.time()
yhat = model.predict(v_data)
yhat = reveal(yhat)
print(f"{test_name} predict time: {time.time() - start}")
if logistic:
print(f"{test_name} auc: {roc_auc_score(y, yhat)}")
else:
print(f"{test_name} mse: {mean_squared_error(y, yhat)}")
fed_yhat = model.predict(v_data, self.alice)
assert len(fed_yhat.partitions) == 1 and self.alice in fed_yhat.partitions
yhat = reveal(fed_yhat.partitions[self.alice])
assert yhat.shape[0] == y.shape[0], f"{yhat.shape} == {y.shape}"
if logistic:
print(f"{test_name} auc: {roc_auc_score(y, yhat)}")
else:
print(f"{test_name} mse: {mean_squared_error(y, yhat)}")
def test_on_linear(self, sample_num, total_num):
"""
sample_num: int. this number * 10000 = sample number in dataset.
"""
io_start = time.perf_counter()
common_path = "/root/sf-benchmark/data/{}w_{}d_3pc/independent_linear.".format(
sample_num, total_num
)
vdf = v_read_csv(
{self.alice: common_path + "1.csv", self.bob: common_path + "2.csv", self.carol: common_path + "3.csv"},
keys='id',
drop_keys='id',
)
# split y out of dataset,
# <<< !!! >>> change 'y' if label column name is not y in dataset.
label_data = vdf["y"]
# v_data remains all features.
v_data = vdf.drop(columns="y")
# <<< !!! >>> change bob if y not belong to bob.
y = reveal(label_data.partitions[self.alice].data)
wait([p.data for p in v_data.partitions.values()])
io_end = time.perf_counter()
print("io takes time", io_end - io_start)
self.run_sgb("independent_linear", v_data, label_data, y, True, 1, 1)
def run_test(party):
cluster_def, heu_config = setup_sf(party, _parties['alice'], _parties['bob'], _parties['carol'])
test_suite = SGB_benchmark(cluster_def, heu_config)
test_suite.test_on_linear(100, 100)
sf.shutdown()
if __name__ == '__main__':
import argparse
parser = argparse.ArgumentParser(prog='sgb benchmark remote')
parser.add_argument('party')
args = parser.parse_args()
run_test(args.party)
将脚本下载到测试机上,可命名为sgb_benchmark.py,alice、bob、carol三方共用1个脚本。
2方SGB启动方式如下:
alice方:python sgb_benchmark.py alice
bob方:python sgb_benchmark.py bob
3方SGB启动方式如下:
alice方:python sgb_benchmark.py alice
bob方:python sgb_benchmark.py bob
carol方:python sgb_benchmark.py carol
SGB Benchmark报告
解读:
本次benchmark的数据为百万百维。我们在两组网络参数下进行实验。算法参数中的schema也有'paillier'和'ou'两种。本次实验训练的XGB树的数量为5,深度为5,特征分桶数量为13,进行二分类任务。我们分别在两方和三方场景下进行上述实验。两方情况下,alice和bob各拥有其中50维的数据。三方情况下,alice, bob 和 carol分别拥有(34,33,33)维数据。
整体来讲三方计算效率更高,体现了多方之间并行计算的优势。
LAN的实验模拟本地局域网的环境下的性能和WAN的实验模拟在低延迟互联网环境下的性能。对于同态加密方案来说,计算应该是瓶颈,计算耗时对于网络延迟的敏感性比秘密分享方案要低得多,在LAN模式和WAN模式下计算耗时相差并不巨大。
在设置HEU所用协议时,我们分别配置了paillier和ou两种协议计算作为对比(密钥长度默认为2048bit)。Paillier和OU均为IND-CPA 安全,语义安全(Semantic Security)的加密系统,但是基于不同的困难假设。在加密性能和密态加法的性能上OU要优于Paillier,密文大小也是Paillier的一半,关于 OU 更详细的介绍参见下方链接。总体来讲,OU相比于Paillier在隐语SGB上提供了3~4倍的计算性能加速并把内存需求降低一半。
参考资料:
Okamoto-Uchiyama 算法介绍
https://www.secretflow.org.cn/docs/heu/zh_CN/getting_started/algo_choice.html#okamoto-uchiyama
隐语社区:
隐语官网:https://www.secretflow.org.cn
👇欢迎关注:
公众号:隐语的小剧场
B 站:隐语 secretflow
邮箱:secretflow-contact@service.alipay.com