기술 요약: PQS-BFL

문제 정의

연합 학습(Federated Learning, FL)은 개인정보를 보호하면서 분산된 데이터 소스 간의 협업 모델 학습을 가능하게 하여, 의료와 같은 민감한 분야에서 매우 중요합니다. 그러나 현재의 FL 보안은 인증 및 무결성 검증을 위해 고전적인 암호화 프리미티브(예: RSA, ECDSA)에 의존하고 있습니다. 이러한 시스템은 쇼어 알고리즘(Shor's algorithm)을 실행할 수 있는 미래의 양자 공격자에게 취약하며, 이는 고전적 공개키 암호학의 수학적 기초를 효율적으로 무너뜨릴 수 있습니다. 이러한 "양자 위협"은 강력한 양자 컴퓨터가 가용해지는 시점에 오늘날 보안 처리된 데이터가 사후적으로 탈취될 수 있는 장기적인 취약성을 생성합니다. 나아가, 블록체인 기술이 FL의 투명성과 감사 가능성을 높이기 위해 제안되어 왔으나, 기존의 대부분의 블록체인-FL 통합 방식 역시 동일한 양자 취약성을 가진 고전 암호학에 의존하고 있습니다. 따라서 양자 공격으로부터 FL 업데이트를 보호하면서도 운영 효율성을 유지할 수 있도록 포스트 양자 암호(Post-Quantum Cryptography, PQC)와 블록체인 검증을 통합하는 실질적인 엔드 투 엔드 프레임워크가 부족한 실정입니다.

방법론

본 논문은 양자 내성 디지털 서명과 탈중앙화된 블록체인 검증을 사용하여 FL 모델 업데이트를 보호하도록 설계된 프레임워크인 PQS-BFL(Post-Quantum Secure Blockchain-based Federated Learning)을 소개합니다.

핵심 구성 요소

1. 암호 체계 선택: 저자들은 세 가지 NIST PQC 서명 최종 후보인 ML-DSA-65(구 Dilithium), Falcon-512, SPHINCS+-SHA2-128s에 대한 비교 분석을 수행했습니다. 이들은 빠른 서명/검증 속도, 관리 가능한 서명 크기, 그리고 FIPS 204 표준 후보로서의 지위를 고려하여 ML-DSA-65를 구현 대상으로 선정했습니다.
2. 시스템 아키텍처:
   • 클라이언트(Clients): 로컬 모델 학습을 수행하고, 모델 업데이트의 해시를 계산한 뒤, ML-DSA-65 개인키를 사용하여 해당 해시에 서명합니다.
   • 블록체인 네트워크(Blockchain Network): 등록된 클라이언트의 공개키를 저장하고 들어오는 서명을 검증하는 스마트 컨트랙트를 호스팅합니다.
   • 스마트 컨트랙트(Smart Contract): 온체인 상에서 ML-DSA-65 서명을 위한 Verify 알고리즘을 실행합니다. 유효한 업데이트의 해시를 기록하여 불변성과 감사 가능성을 보장합니다.
   • 애그리게이터(Aggregator): 블록체인으로부터 검증된 업데이트 해시를 가져오고, 가스 비용을 최소화하기 위해 오프체인으로 전달받은 전체 모델 업데이트를 검색한 후 연합 평균(FedAvg)을 수행합니다.
3. 프로토콜 흐름:
   • 클라이언트는 자신의 PQC 공개키를 블록체인에 등록합니다.
   • 각 FL 라운드에서 클라이언트는 업데이트 해시에 서명하고 이를 스마트 컨트랙트에 제출합니다.
   • 컨트랙트는 서명을 검증하고 유효한 해시를 기록합니다.
   • 애그리게이터는 검증된 업데이트를 수집하여 집계하고, 새로운 글로벌 모델을 배포합니다.

실험 설정

프레임워크는 PyTorch, liboqs(ML-DSA-65용), Web3.py를 통합한 Python 기반 구현을 통해 평가되었습니다. 실험은 트랜잭션 비용과 지연 시간을 시뮬레이션하기 위해 로컬 Ganache 블록체인 인스턴스에서 수행되었습니다.

• 데이터셋: MNIST(이미지 분류), SVHN(숫자 인식), HAR(인간 활동 인식).
• 비교 대상: PQS-BFL(ML-DSA-65)을 고전적 베이스라인(ECDSA) 및 암호화가 없는 베이스라인(해싱만 적용)과 비교하였습니다.
• 지표: 모델 정확도, 암호화 연산 시간(KeyGen, Sign, Verify), 서명 크기, 블록체인 가스 소비량, 트랜잭션 시간, 클라이언트 수 증가에 따른 확장성.

주요 기여

1. 양자 내성 통합: 양자 공격자로부터 모델 업데이트를 인증하기 위해 ML-DSA-65 서명 체계를 FL 프레임워크에 성공적으로 통합했습니다.
2. 블록체인 기반 PQC 검증: FL 기여를 탈중앙화되고 불변하게 검증할 수 있는 ML-DSA-65 서명 검증 기능을 갖춘 스마트 컨트랙트를 설계하고 구현했습니다.
3. 포괄적인 경험적 평가: 여러 데이터셋과 클라이언트 규모(3, 10, 30개 클라이언트)에 걸쳐 PQS-BFL을 ECDSA 및 베이스라인과 비교하는 광범위한 실험을 수행하여 정확도, 암호 성능 및 블록체인 오버헤드를 분석했습니다.
4. 오버헤드 분석: PQC 및 블록체인 오버헤드를 정량화하여, 블록체인 맥락에서 암호화 오버헤드가 전체 트랜잭션 시간에 비해 미미함을 입증했습니다.
5. 오픈 소스 공개: 재현성을 촉진하기 위해 구현체와 벤치마크를 공개했습니다.

결과

• 암호 성능: ML-DSA-65 연산은 효율적이며, 평균 서명 시간은 약 0.65 ms, 검증 시간은 약 0.53 ms입니다. 이는 ECDSA(서명 약 4배 느림, 검증 약 3.6배 느림)보다 느리지만, 여가 없이 1밀리초 미만 수준을 유지합니다.
• 모델 정확도: PQC 통합이 모델 성능에 부정적인 영향을 미치지 않았습니다. 예를 들어, 3개의 클라이언트를 사용한 MNIST 실험에서 PQC는 99.19%의 정확도를 달성하여 ECDSA(99.07%) 및 베이스라인(99.32%)과 대등한 결과를 보였습니다.
• 블록체인 오버헤드:
  • 가스 비용: PQC 검증은 더 큰 서명 크기(3309 Bytes vs. 71 Bytes)와 복잡한 산술 연산으로 인해 ECDSA(약 1.89 × 10⁵ 유닛)보다 훨씬 많은 가스(약 1.72 × 10⁶ 유닛)를 소비합니다.
  • 트랜잭션 시간: 로컬 시뮬레이션에서 PQC 트랜잭션 확정 시간(0.32–0.37 초)은 ECDSA(0.12 초)보다 약간 길었습니다.
  • 상대적 오버헤드: 결정적으로, PQC 연산의 계산 비용은 전체 블록체인 트랜잭션 시간 중 극히 적은 부분(<0.2%)을 차지합니다. 지연 시간은 암호화 검증 자체가 아니라 네트워크 및 합의 메커니즘에 의해 지배됩니다.
• 확장성: 클라이언트 수가 3개에서 30개로 증가함에 따라 라운드 시간이 하위 선형적(sub-linear)으로 성장함을 보여, 효과적인 확장성을 입증했습니다.

의의 및 주장

본 논문은 PQS-BFL이 연합 학습 시스템에 양자 내성 보안을 배포하는 것의 실질적 타당성을 입증한다고 주장합니다. 저자들은 PQC가 고전 암호에 비해 더 큰 데이터 아티팩트와 다소 높은 계산 비용을 유발하지만, 블록체인 맥락에서는 이러한 비용이 관리 가능한 수준이라고 주장합니다.

주요 주장은 다음과 같습니다:

• 미미한 상대적 오버헤드: PQC의 성능은 블록체인 기반 FL에서 병목 현상이 아니며, 블록체인 트랜잭션 지연 시간과 비교했을 때 오버헤드는 미미합니다.
• 장기적 생존 가능성: 본 프레임워크는 특히 의료와 같은 규제 산업 분야의 조직들이 운영 효율성을 희생하지 않으면서도 장기적인 양자 내성 보안을 위해 협업 ML 인프라를 선제적으로 업그레이드할 수 있는 경로를 제공합니다.
• 배포 가능성: 본 연구는 현재의 PQC 표준(특히 ML-DSA-65)이 기존 FL-블록체인 아키텍처에 통합되어 미래의 양자 위협으로부터 시스템을 보호할 수 있음을 검증합니다.

저자들은 퍼블릭 블록체인에서의 높은 가스 비용과 최적화된 스마트 컨트랙트 구현의 필요성 등의 한계를 인정하면서도, 엔드 투 엔드 양자 내성을 달绪하기 위한 트레이드오프는 정당하다고 결론지었습니다.