Stability Buys Time: A Re-Keying Game for Encrypted Multi-Agent Control

技術要約：安定性が時間を稼ぐ：暗号化マルチエージェント制御における再鍵生成ゲーム

問題提起
本論文は、完全準同型暗号（FHE）を利用した暗号化マルチエージェント制御システムにおける重大な脆弱性に対処している。FHEは、クラウドサーバが平文を見ることなく、暗号化されたデータを用いてフリート（艦隊）を調整することを可能にするが、実数値制御に使用される特定のスキームであるCKKSは、セキュリティ上のパラドックスを導入する。CKKSは近似スキームであり、復号結果にはノイズ（$z + e/\Delta$）が混入する。制御ループにおいて、アクチュエータは指令を実行するためにこれらを復号する必要があり、これらのノイズを含んだ復号は避けられない。近年の暗号解読研究によれば、これらの復号結果を観測することで、攻撃者が秘密鍵を再構成できることが示されている。

既存の文献では、これらを個別に扱っている。すなわち、FHEのセキュリティは静的な解析（単一の復号に対するノイズ・フラッディング）として、暗号化制御は「誠実だが好奇心旺盛な（honest-but-curious）」クラウドを想定し、ゲーム理論的な持続的脅威モデルは暗号システム自体にまで踏み込むことは稀であった。本論文は、フリートと、復号による漏洩を時間の経過とともに悪用する高度標的型攻撃（APT）との相互作用をモデル化し、静的な防御策は長期ミッションにおいては不十分であることを論じている。

手法
著者らは、暗号化制御ループのセキュリティを、協調的なフリート防衛者とAPT攻撃者の間の二段階のゲームとしてモデル化している。

1. フェーズI：受動的偵察（静的ゲーム）

   • 攻撃者は暗号化された通信を傍受し、一部のエージェントの復号された指令を観測する。
   • 防衛者は、値を隠蔽するために復号値に加える静的な「ノイズ・フラッディング」レベル（$\sigma$）を決定する。
   • このフェーズは、防衛者が最初に$\sigma$を決定するスタッケルバーグ・ゲームとしてモデル化される。攻撃者は、ノイズが「デ・フラッディング（除去）」され、鍵が回収されるまで観測を蓄積する。
   • 著者らは、システムが共有鍵の下で単一の暗号文をインプレースで進化させているため、ブートストラップ（ノイズの刷新）は鍵や蓄積された漏洩をリセットしないが、漏洩は制御サイクルごとに独立した観測が1つずつ蓄積する形で進行すると定めている。

2. フェーズII：能動的操作（動的タイミング・ゲーム）

   • 攻撃者が行動を開始する決定を下すと、鍵の回収を加速させるか、あるいはフリートを混乱させるために暗号化計算を操作する。
   • この操作は制御ループに摂動を与え、それはモデルベースの制御残差（$\chi^2$検定により検出）として表面化する。
   • 防衛者の適応的な動きは**再鍵生成（re-keying）**である。これは新しい秘密鍵を生成し、フリートの状態を再暗号化することである。これにより、攻撃者が蓄積した漏洩の台帳をゼロにリセットする。
   • このフェーズは、「FlipIt」スタイルの検出・回避タイミング・ゲームとしてモデル化される。防衛者は再鍵生成の間隔（$T$）を選択し、攻撃者は（受動的、隠密型能動、または攻撃型能動の）姿勢を選択して、検出を回避しながら回収速度を最大化しようとする。

主な貢献

• 二段階APTモデル： 暗号化されたマルチエージェント・ループのセキュリティを、検出不可能な漏洩蓄積（受動的偵察）と、検出可能な操作フェーズ（能動的操作）を分離した二段階のゲームとして定式化した。
• 再鍵生成 vs ブートストラップ： 著者らは、ブートストラップ（同一の鍵の下でのノイズ刷新）と再鍵生成（鍵自体の刷新）を区別している。再鍵生成のみが攻撃者の蓄積された知識をリセットできることを証明しており、これが不可欠なセキュリティ・レバーとなる。
• 精度依存のレジーム： 分析により、FHEの精度（$\Delta$）、制御精度（最大許容フラッディング $\sigma_{max}$ によって制限される）、および再鍵生成の間隔の間の三者間の緊張関係を特定した。これにより、以下の3つの運用レジームが導かれる：
  1. 不安定なフロア（Insecure Floor）： 精度が低すぎるため、最大級のフラッディングを行っても単一サイクル内で鍵の回収を防げない。
  2. 再鍵生成ウィンドウ（Re-Key Window）： 精度が限定された範囲にある。静的なフラッディングでは不十分だが、再鍵生成が実行可能な状態である。これが「効率的な安全点」となる。
  3. 静的十分性の天井（Static Sufficiency Ceiling）： 精度が十分に高いため、静的なノイズ・フラッディングのみでミッション期間中の鍵の安全性が確保され、再鍵生成は不要となる。

4. トポロジー依存の頻度： 最適な再鍵生成の間隔は、ネットワーク・トポロジーの制御理論的な脆弱性に 의해決定される。より脆弱なトポロジー（例：限界安定なトーラス）は、結合度の高いもの（例：完全グラフ）よりも頻繁な再鍵生成を必要とする。

結果
著者らは、OpenFHEライブラリを用い、リング、トーラス、完全グラフの3つのトポロジーにわたる9エージェントのフリート上でこのフレームワークを実装した。

• 制御許容度： 最大許容ノイズ・フラッディング（$\sigma_{max}$）は、閉ループのスペクトル半径に直接関連している。限界安定なトーラス・トポロジーは最も少ないノイズ（$\sigma_{max} \approx 0.3$）しか許容せず、完全グラフは最も多く（$\sigma_{max} \approx 0.75$）を許容する。
• 漏洩率： 実験により、閉ループの収縮率に関わらず、各サイクルが同一の鍵の下で新たな測定制約を導入するため、漏洩はサイクルごとに1つの観測として蓄積されることが確認された。
• レジームのマッピング： 精度 $\Delta \approx 2^{37}$ において、システムは「再鍵生成ウィンドウ」に入る。
  • トーラス（最も脆弱）は、「警戒的（Vigilant）」な間隔（約200サイクルごとの再鍵生成）を必要とする。
  • リングは、「中程度（Moderate）」の間隔（約600サイクル）を必要とする。
  • 完全グラフは、「怠惰（Lazy）」な間隔（約1500サイクル）を許容する。
• 攻撃者の振る舞い： モデルベースの検知器は「攻撃型」の操作（高振幅の攻撃）を効果的に阻止するため、合理的な攻撃者は「隠密型」に留まることを余儀なくされる。防衛者の最適戦略は、検出される前に隠密型の攻撃者が回収閾値に達することを防げる、最も「怠惰な」間隔で再鍵生成を行うことである。

意義と主張
本論文は、近似的な暗号システムのフィードバック・ループにおけるセキュリティは、本質的に、防衛者の動きが暗号システムの独自の刷新メカニズム（再鍵生成）である「動的なゲーム」であると主張している。

• 安定性が時間を稼ぐ： 制御理論的な安定性（高い $\sigma_{max}$）が、暗号的なセキュリティの間隔を決定するという。より安定したシステムは、再鍵生成イベントの間隔を長くすることができる。
• 「効率的な窓」： 著者らは、効率的な安全運用点は、静的フラッディングが失敗するが再鍵生成が実行可能な、限定された精度の窓の中に存在すると断言している。これは「高精度であれば常に良い」という仮定に異を唱えるものであり、特定の精度範囲で運用することが、再鍵生成のコストを最小限に抑えつつセキュリティを維持することを示唆している。
• 制御を超えて： 著者らは、このフレームワークが、行動のために繰り返し復号を行うあらゆるシステムに適用可能であることを示唆しており、再鍵生成の間隔を、持続的な漏洩に対する動的な防御策として位置づけている。

本論文は、分析が全エージェントの観測（$\kappa = M$）および協調的なフリート防衛者を前提としていることを認め、その範囲については控えめな表現にとどめている。部分観測の閾値や、戦略的または汚染されたエージェントの存在は、今後の拡張課題として挙げられている。