기술 요약: LightPHE – 부분 동형 암호화를 Python 에 통합

문제 제기

클라우드 컴퓨팅의 확산은 개인 키를 노출하지 않고 민감한 데이터 (예: 급여, 연금) 를 처리할 위한 강력한 방법이 필요하게 만들었습니다. 기존 워크플로우는 데이터를 복호화하여 온프레미스에서 업데이트한 후 다시 암호화하거나, 개인 키를 클라우드로 전송해야 하는데, 두 가지 모두 심각한 보안 취약점을 초래합니다. 완전 동형 암호화 (FHE) 는 암호문에 덧셈과 곱셈을 모두 지원하지만, 종종 높은 계산 오버헤드를 수반합니다. 덧셈 또는 곱셈 중 하나만 지원 (둘 다 아님) 하는 부분 동형 암호화 (PHE) 는 많은 특정 애플리케이션에 대해 더 효율적이고 실용적인 대안을 제공합니다. 그러나 해당 논문은 Python 생태계에서 주목할 만한 격차를 지적합니다. 여러 FHE 라이브러리 (예: SEAL, TenSEAL) 가 존재하는 반면, 다양한 알고리즘을 포괄하는 견고하고 사용자 친화적인 PHE 프레임워크는 부족합니다.

방법론

저자들은 Python 을 위해 설계된 경량 하이브리드 PHE 프레임워크인 LightPHE를 소개합니다. 방법론은 세 가지 주요 구성 요소를 포함합니다:

1. 알고리즘 통합: LightPHE 는 각 알고리즘의 특정 수학적 속성을 준수하며 10 가지 서로 다른 PHE 알고리즘을 래핑하고 구현합니다.

   • 곱셈 동형성: RSA, ElGamal.
   • 덧셈 동형성: 지수 ElGamal, 타원 곡선 (EC) ElGamal, Paillier, Damgård-Jurik, Okamoto–Uchiyama, Benaloh, Naccache–Stern.
   • XOR 동형성: Goldwasser–Micali.
   • 스칼라 곱셈 및 암호문 재생성: 특정 덧셈 알고리즘 (예: Paillier, 지수 ElGamal) 에서 지원됩니다.

2. 소프트웨어 아키텍처: 이 프레임워크는 Homomorphic이라는 범용 추상 클래스를 중심으로 한 객체 지향 설계를 활용합니다.

   • 추상화: 이 추상 클래스는 키 생성, 암호화, 복호화, 그리고 동형 연산 (덧셈, 곱셈, XOR, 스칼라 곱셈, 재생성) 에 대한 표준 인터페이스를 정의합니다.
   • 확장성: 특정 알고리즘 클래스는 이 추상 기본 클래스에서 파생됩니다. 이 설계는 엄격한 형식 안전성을 강제합니다. 예를 들어, 덧셈 동형 알고리즘 (Paillier 등) 에서 곱셈 동형 연산을 시도하면 ValueError가 발생합니다.
   • 사용자 인터페이스: 사용자는 백엔드 암호 시스템의 복잡성을 추상화한 LightPHE 클래스와만 상호작용합니다. 이 프레임워크는 Ciphertext 객체에서 표준 Python 연산자 (예: +, *, ^) 를 오버로딩하여 동형 연산을 원활하게 수행합니다.

3. 실험적 평가: 저자들은 다양한 클라우드 환경에서 LightPHE 를 평가하기 위해 광범위한 성능 벤치마크를 수행했습니다.

   • 지표: 키 생성, 암호화, 복호화, 동형 연산에 소요된 시간.
   • 구성: NIST 권장 사항을 따르는 80 비트, 112 비트, 128 비트, 192 비트 대칭 보안 수준과 동등한 키 크기로 테스트가 수행되었습니다.
   • 환경: 실험은 Google Colab (CPU, A100 GPU, L4 GPU, T4 고 RAM, TPU2) 과 Microsoft Azure Spark 에서 수행되었습니다.
   • 하드웨어: 로컬 기준 테스트는 11 세대 Intel Core i7-11370H CPU 에서 수행되었습니다.

주요 기여

• 통합 PHE 프레임워크: LightPHE 는 고전적인 RSA 에서 현대적인 타원 곡선 변형에 이르기까지 10 가지 서로 다른 알고리즘을 위한 단일 모듈식 인터페이스를 제공함으로써 PHE 를 위한 Python 라이브러리의 부재를 해결합니다.
• 개발자 중심 설계: 표준 연산자를 오버로딩하고 예외를 통해 알고리즘별 제약을 강제함으로써, 이 프레임워크는 깊은 암호학 전문 지식 없이도 안전한 클라우드 계산을 구현하려는 개발자의 진입 장벽을 낮춥니다.
• 포괄적인 클라우드 벤치마킹: 이 논문은 GPU, TPU, 분산 시스템을 포함한 현대 클라우드 하드웨어의 광범위한 스펙트럼에 걸쳐 이러한 특정 PHE 알고리즘에 대한 최초의 상세한 성능 분석을 제공하여 확장성과 효율성에 대한 경험적 데이터를 제시합니다.
• 이론적 대 실용적 분석: 이 연구는 복호화에 이산 로그 문제 해결이 필요한 특정 알고리즘 (예: 지수 ElGamal 및 EC ElGamal) 의 실용적 한계를 강조합니다. 이는 이론적으로는 타당하지만 대용량 평문에 대해서는 계산 비용이 많이 든다는 점을 보여줍니다.

결과

실험 결과는 몇 가지 중요한 통찰력을 제공했습니다:

• 알고리즘 성능:

  • 암호화/동형 연산: 이러한 연산은 모든 알고리즘에서 일반적으로 매우 빠르므로 빈번한 클라우드 기반 처리에 적합합니다.
  • 복호화: 복호화 시간은 크게 달라집니다. 이산 로그 해를 요구하는 알고리즘 (지수 ElGamal, EC ElGamal) 은 특히 작은 키 크기에서 복호화 시간이 현저히 길어, 대용량 데이터에 대한 실용적 유용성보다는 이론적 성격을 확인시켜 주었습니다.
  • 키 크기 영향: 대부분의 알고리즘에서 키 크기를 증가시키면 계산 시간이 선형적 또는 지수적으로 증가합니다. 그러나 EC ElGamal 은 키 크기에 따라 시간이 선형적으로 증가하는 독특한 양상을 보여, Paillier 와 같은 다른 덧셈 방식에 비해 더 높은 보안 수준 (192 비트 등가) 에서 유리했습니다.
  • 제외: Benaloh 및 Naccache–Stern 알고리즘은 해당 규모에서 키 생성 실패 (멈춤 현상) 로 인해 1024 비트 이상의 고보안 벤치마크에서 제외되었습니다.

• 클라우드 환경 성능:

  • 고성능 환경: Google Colab A100 GPU 와 TPU2 는 병렬 처리 및 텐서 최적화 덕분에 특히 동형 연산에서 뛰어난 성능을 보여주었습니다.
  • 비용 효율적 옵션: 표준 Colab CPU 와 Azure Spark 는 제한된 자원을 가진 프로젝트에 실행 가능한 중간 수준의 성능을 제공했습니다.
  • 불안정성: 특정 조건이 충족될 때까지 무작위 값을 생성하는 확률적 성격으로 인해 키 생성이 모든 환경에서 가장 불안정한 지표로 지적되었습니다.

중요성 및 주장

이 논문은 LightPHE 가 의료 및 금융과 같은 다양한 분야에서 동형 암호화의 실용적 채택을 위한 중요한 단계라고 주장합니다. 이론적 암호 알고리즘과 사용 가능한 소프트웨어 공학 사이의 격차를 해소함으로써, LightPHE 는 다음을 가능하게 합니다:

1. 안전한 클라우드 업데이트: 민감한 데이터를 개인 키를 노출하지 않고 직접 클라우드에 저장하고 업데이트할 수 있어, 온프레미스 복호화 사이클의 필요성을 제거합니다.
2. 정보에 기반한 인프라 선택: 제공된 벤치마크를 통해 실무자는 특정 성능 요구 사항과 보안 수준에 따라 가장 적합한 클라우드 환경 (예: GPU 가속 대 비용 효율적인 CPU) 을 선택할 수 있습니다.
3. 신속한 프로토타이핑: 모듈식 설계는 안전한 애플리케이션의 신속한 개발을 촉진하여 실제 시나리오에서 PHE 에 대한 추가 연구와 구현을 장려합니다.

저자들은 FHE 가 보편적 계산을 위한 목표이지만, 암호화된 데이터에 대한 특정 산술 연산이 필요한 애플리케이션의 경우 PHE 가 균형 잡히고 효율적이며 즉시 배포 가능한 솔루션을 제공한다고 결론지었습니다.