PrivaDE: Privacy-preserving Data Evaluation for Blockchain-based Data Marketplaces

1. 문제 정의 (Problem Definition)

• 배경: 고품질 머신러닝 (ML) 모델을 구축하기 위해서는 데이터 구매 전에 그 유용성을 평가하는 것이 필수적입니다. 그러나 데이터 제공자 (Data Owner, DO) 는 원본 데이터 (특성 및 레이블) 를, 모델 소유자 (Model Owner, MO) 는 모델 파라미터를 공개하기 꺼려합니다.
• 핵심 과제: 블록체인 기반의 탈중앙화 데이터 마켓플레이스 환경에서, 신뢰할 수 있는 제 3 자 (Trusted Third Party, TTP) 없이도 데이터의 유용성 (Utility Score) 을 계산해야 합니다.
• 보안 요구사항:
  • 악의적 공격자 (Malicious Adversary) 가정: 참여자가 프로토콜을 임의로 위반하거나 중단할 수 있는 환경에서도 안전해야 합니다. (기존 연구들은 대부분 준-정직 (Semi-honest) 모델에 의존함)
  • 기밀성 유지: MO 의 모델 가중치와 DO 의 원본 데이터가 프로세스 중에 유출되어서는 안 됩니다.
  • 정확성: 데이터 평가 결과가 실제 모델 성능 향상에 부합해야 합니다.

2. 방법론 (Methodology)

PrivaDE 는 모델 소유자와 데이터 소유자가 협력하여 데이터셋의 유용성 점수 $\phi(M, D)$ 를 계산하는 2 인 프로토콜입니다. 프로토콜은 크게 **보안 추론 (Secure Inference)**과 데이터 스코어링 (Data Scoring) 두 가지 핵심 구성 요소로 나뉘며, 효율성을 높이기 위한 최적화 기법들이 적용되었습니다.

A. 핵심 프로토콜 흐름

1. 대표 집합 선택 (Representative Set Selection): 전체 데이터셋 $D_B$ 를 모두 평가하는 것은 비용이 크므로, Bob 은 작은 대표 집합 $D_R$ 을 선택합니다. Alice 는 'Challenge Protocol (CP)'을 통해 이 집합이 전체 데이터셋을 대표하는지 영지식 증명 (ZKP) 으로 검증합니다.
2. 검증된 분할 추론 (Verified Split Inference):
   • 모델 $M$ 을 $A \circ B \circ C$ 세 블록으로 분할합니다.
   • 블록 A: MO 와 DO 가 MPC(다자간 계산) 를 통해 실행 (입력 데이터와 초기 가중치 보호).
   • 블록 B: DO 가 로컬에서 실행 (Alice 의 가중치 공개, DO 의 입력 보호).
   • 블록 C: MO 가 로컬에서 실행 (Bob 의 중간 활성화 값 공개).
   • 각 단계에서 ZKP 를 사용하여 계산의 정확성을 검증합니다.
3. 보안 스코어링 (Secure Scoring):
   • 활성 학습 (Active Learning) 기반 점수: 손실 (Loss), 불확실성 (Uncertainty), 다양성 (Diversity) 세 가지 지표를 결합합니다.
   • MPC: MO 와 DO 는 MPC 프로토콜을 사용하여 위 세 가지 지표를 안전하게 계산하고 최종 점수 $\phi$ 를 도출합니다.

B. 주요 최적화 기법 (Optimizations)

실용성을 위해 다음과 같은 3 가지 기술을 도입했습니다:

1. 모델 증류 (Model Distillation): 원본 모델 (Teacher) 을 더 작은 모델 (Student) 로 변환하여 추론 비용과 보안 오버헤드를 줄입니다.
2. 모델 분할 (Model Splitting): 모델을 3 단계로 나누어 MPC 가 필요한 부분 (블록 A) 을 최소화하고, 나머지 부분은 ZKP 로 검증하여 효율성을 극대화합니다.
3. Cut-and-Choose ZKP 감사: 모든 레이어와 데이터 포인트에 대한 ZKP 를 생성하는 대신, 무작위로 샘플링된 부분만 검증하여 계산 및 통신 비용을 대폭 절감하면서도 사기 탐지 확률을 높입니다.

C. 블록체인 통합

• 스마트 계약을 통해 입력값의 영구적 기록 (Commitment), 예치금 (Escrow) 관리, 불공정 중단 시 페널티 (Slashing) 부과, 그리고 조건부 자동 결제 (Atomic Payment) 를 구현하여 프로토콜의 공정성을 보장합니다.

3. 주요 기여 (Key Contributions)

1. 악의적 공격자 하의 최초의 안전한 데이터 평가 프로토콜: 기존 연구들이 준-정직 모델이나 신뢰할 수 있는 제 3 자에 의존했던 것과 달리, PrivaDE 는 악의적 공격자 환경에서도 보안을 보장하는 최초의 2 인 프로토콜을 제안합니다.
2. 모델-중립적 (Model-agnostic) 스코어링 함수: 특정 모델 구조에 의존하지 않으며, 활성 학습의 '다양성'과 '불확실성' 원리를 기반으로 하되, 보안 프로토콜 하에서 효율적으로 계산 가능한 새로운 스코어링 알고리즘을 설계했습니다.
3. 실용적인 최적화 기술: 모델 증류, 분할 추론, Cut-and-Choose ZKP 를 결합하여 수백만 개의 파라미터를 가진 모델에서도 15 분 이내의 온라인 실행 시간을 달성했습니다.
4. 블록체인 기반 마켓플레이스 통합: 데이터 평가, 거래, 결제가 원스톱으로 이루어지는 탈중앙화 워크플로우를 설계하고 프로토타입을 구현했습니다.

4. 실험 결과 (Results)

• 실험 환경: MNIST, CIFAR-10, CIFAR-100 데이터셋과 LeNet, ResNet-20, VGG-8 모델 사용.
• 성능:
  • 실행 시간: MNIST(LeNet) 기준 온라인 실행 시간이 45 초 미만, CIFAR-100(VGG-8) 기준 15 분 이내로 측정되었습니다.
  • 확장성: 데이터셋 크기 ($n$) 가 증가하더라도 대표 집합 ($k$) 만을 사용하므로 온라인 실행 시간에 거의 영향을 미치지 않습니다.
  • 정확도: 증류된 모델 (Student) 을 사용하더라도 원본 모델 (Teacher) 과 높은 상관관계 (평균 0.8 이상) 를 보이며 데이터 평가의 정확성을 유지했습니다.
• 강건성: 무작위 샘플링 및 엔트로피 기반 샘플링보다 우수한 성능을 보였으며, Core-Set 샘플링과 유사하거나 더 나은 성능을 발휘하여 모델 성능 향상에 기여하는 고품질 데이터를 효과적으로 식별했습니다.

5. 의의 및 결론 (Significance)

• 탈중앙화 AI 생태계의 기반 마련: 데이터 소유자와 모델 개발자 간의 신뢰 부족을 해결하고, 기밀성을 유지하면서 데이터의 가치를 공정하게 평가할 수 있는 체계를 제시했습니다.
• 상업적 적용 가능성: 높은 보안 수준과 합리적인 실행 시간을 동시에 달성하여, 실제 블록체인 기반 데이터 마켓플레이스에서의 상용화를 가능하게 합니다.
• 미래 방향: 암호학적 서브루틴의 추가 최적화, 더 큰 규모의 데이터셋 및 모델 지원, 그리고 완전한 탈중앙화 배포를 위한 연구가 필요함을 제시합니다.

요약하자면, PrivaDE 는 블록체인 기반 데이터 마켓플레이스에서 모델 소유자와 데이터 소유자가 서로의 기밀 자산 (모델 가중치, 원본 데이터) 을 공개하지 않고도 데이터의 가치를 안전하게 평가할 수 있도록 설계된 혁신적인 암호학적 프로토콜입니다.