Variational Encrypted Model Predictive Control

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een zeer slimme, maar ook erg privacybewuste robotbestuurder hebt. Deze robot moet elke seconde beslissen hoe hij een auto, een drone of een robotarm moet sturen. Om dit perfect te doen, gebruikt hij een ingewikkelde wiskundige formule (Model Predictive Control of MPC) die rekening houdt met alle regels: "Niet te hard rijden", "Niet tegen de muur aanrijden", enzovoort.

Het probleem? Om deze beslissingen snel genoeg te nemen, heeft de robot vaak hulp nodig van een supersterke computer in de "cloud" (een extern datacentrum). Maar de robot wil zijn locatie en zijn geheime plannen niet aan die cloud laten zien. Als hij de data in het openbaar stuurt, kan een spion of een nieuwsgierige server zien wat hij doet.

Hier komt dit nieuwe onderzoek om de hoek kijken. Het introduceert een methode genaamd VEMPC (Variational Encrypted Model Predictive Control). Laten we dit uitleggen met een paar creatieve analogies.

1. Het Probleem: De "Glasbak" Dilemma

Stel je voor dat je een geheim recept voor een taart hebt (je besturingsplan) en je wilt dat een beroemde bakker (de cloud) het voor je berekent.

Huidige methode: Je geeft het recept in het openbaar. De bakker berekent het, maar nu weet iedereen het geheim.
Versleuteld (oude methode): Je geeft het recept in een onbreekbare glazen doos. De bakker kan er niet in kijken, maar hij kan ook niet koken omdat hij de ingrediënten niet kan zien. Hij moet de doos openen, iets doen, en weer dichtdoen. Dit is te langzaam voor een snelle auto.

2. De Oplossing: De "Magische Kookpot"

De auteurs van dit paper hebben een nieuwe manier bedacht om te koken met een gesloten doos. Ze gebruiken een speciale techniek (Homomorphic Encryption), maar ze hebben het slim aangepakt.

In plaats van de bakker te vragen om stap voor stap te rekenen (wat in een gesloten doos heel moeilijk is), zeggen ze: "Bakker, wees creatief! Pak een grote pot met willekeurige deegballen en gooi er een magische poeder in."

Dit is de kern van hun Variational Approach:

Het Magische Poeder (Exponential Tilting): In de wiskunde is het berekenen van de "perfecte" route heel duur. De auteurs zeggen: "Laten we in plaats van de perfecte route te zoeken, gewoon een pot met willekeurige routes nemen, maar die we zo hebben gemengd dat de goede routes van nature zwaarder wegen."
Het is alsof je in een donkere kamer honderden mensen laat rennen. Normaal gesproken moet je elke persoon controleren om te zien of hij de weg kent. Maar met hun trucje (het "poeder") rennen de mensen die de weg kennen vanzelf sneller en slimmer, terwijl de verkeerde mensen vanzelf uitvallen. De bakker hoeft alleen maar te tellen wie er het snelst aankomt, zonder te hoeven kijken waar ze naartoe rennen.

3. De "Wiskundige Truc" (Polynomen)

Computers in de cloud kunnen alleen optellen en vermenigvuldigen als ze versleuteld zijn. Ze kunnen geen "als-dan" beslissingen nemen (bijv. "als je harder dan 50 km/u rijdt, rem dan af").

De oplossing: De auteurs vervangen die moeilijke "als-dan" regels door een wiskundige kromme (een polynoom).
Analogie: In plaats van een stoplicht dat rood of groen is (wat lastig is in een versleutelde doos), gebruiken ze een dimmer. Hoe dichter je bij de muur komt, hoe "roder" de dimmer wordt. De bakker kan deze dimmer heel makkelijk berekenen, zelfs als hij de doos niet open mag maken.

4. Waarom is dit zo snel? (De Parallelle Wereld)

Het grootste probleem van versleutelde berekeningen is dat ze traag zijn. Dit paper lost dat op door twee soorten parallelisme te gebruiken:

De Fabriekslijn: Stel je voor dat de bakker niet één taart tegelijk maakt, maar een hele fabriekslijn heeft waar honderden taarten tegelijk worden bereid. De cloud doet dit met duizenden mogelijke routes tegelijk.
De Super-Verpakking: Ze gebruiken een techniek (SIMD) waarbij ze 1000 getallen in één enkel versleuteld pakketje stoppen. Het is alsof je 1000 brieven in één envelop stopt en de postbode ze allemaal tegelijk bezorgt.

Wat betekent dit voor de echte wereld?

In hun test met een omgekeerde slinger (een moeilijk evenwichtsspelletje), bleek dat hun systeem:

Veilig: De cloud zag nooit de echte data.
Snel: Het kostte slechts ongeveer 28 milliseconden om een beslissing te nemen. Dat is sneller dan het knipperen van je oog!
Betrouwbaar: De robot bleef precies op het juiste pad, net als bij een onversleutelde versie.

Kortom:
De auteurs hebben een manier gevonden om een supercomputer in de cloud te laten denken voor je, terwijl je de sleutel tot je geheime plannen stevig in je eigen hand houdt. Ze hebben de moeilijke wiskundige zoektocht vervangen door een slimme statistische "gok" die de computer in de cloud snel en veilig kan uitvoeren. Dit opent de deur voor volledig autonome systemen (zoals zelfrijdende auto's of medische robots) die hun data nooit hoeven blootstellen, zelfs niet aan de servers die hen helpen.

Each language version is independently generated for its own context, not a direct translation.

Titel: Variational Encrypted Model Predictive Control (VEMPC)

Auteurs: Jihoon Suh, Yeongjun Jang, Junsoo Kim, en Takashi Tanaka.

1. Probleemstelling

Model Predictive Control (MPC) is een krachtige regelingstechniek die expliciete omgang met beperkingen mogelijk maakt. Omdat MPC op elk tijdstip een optimalisatieprobleem moet oplossen, is het aantrekkelijk om deze berekeningen uit te besteden aan een cloudserver. Dit roept echter ernstige privacykwesties op:

Privacyrisico's: Het verzenden van systeemtoestanden, modelparameters en trajectdata naar een externe server maakt deze data kwetsbaar voor afluisteren en voor inferentie door een "semi-ehrlijke" server (een server die het protocol volgt maar probeert geheime informatie te leren).
Beperkingen van Homomorf Versleuteling (HE): HE staat berekeningen op versleutelde data toe, maar ondersteunt voornamelijk optelling en vermenigvuldiging. Traditionele MPC-oplossingen vereisen echter niet-polynomiale bewerkingen (zoals projecties op beperkingen of vergelijkingen) die moeilijk direct op versleutelde data te implementeren zijn.
Bestaande oplossingen:
- Iteratieve methoden: Vereisen vaak tussentijdse decryptie door de client, wat veel communicatie-overhead veroorzaakt.
- Expliciete feedback: Vereist het online identificeren van het werkgebied via vergelijkingen, wat ook communicatie of complexe protocollen vereist.
- Strafmethoden: Vermijden iteratie, maar de geschiktheid voor real-time regeling is onzeker.

Het doel van dit artikel is een protocol te ontwikkelen dat MPC volledig op versleutelde data uitvoert, zonder tussentijdse decryptie, met minimale communicatie en voldoende snelheid voor real-time toepassing.

2. Methodologie: Variational Encrypted MPC (VEMPC)

De auteurs stellen een nieuwe aanpak voor die het beperkte MPC-optimalisatieprobleem omzet in een bemonsteringsgebaseerde schattingsprobleem (sampling-based estimation). De kern van de methode is als volgt:

A. Variational Reformulatie

In plaats van het kwadratische programmeringsprobleem (QP) direct op te lossen, wordt het probleem herschreven als een probleem van het minimaliseren van de Kullback-Leibler-divergentie tussen een verdeling en een referentieverdeling.

Het doel is om de optimale controlevolgorde $U$ te schatten via een verwachting onder een "gekeerde" (tilted) verdeling $\kappa^*$ .
De formule voor de schatter is:
$\hat{U} = \frac{\mathbb{E}_{U \sim \kappa_0} [U \cdot \exp(-J(U)/\lambda)]}{\mathbb{E}_{U \sim \kappa_0} [\exp(-J(U)/\lambda)]}$
Waarbij $J(U)$ de kostenfunctie is en $\lambda$ een temperatuurparameter.

B. Exponentiële Tilt en Efficiënte Bemonstering

Een groot obstakel is het homomorf evalueren van de kwadratische kostenfunctie $U^\top H U$ , wat veel dure vermenigvuldigingen vereist.

Oplossing: De auteurs kiezen een Gaussische referentieverdeling $\kappa_0$ en passen een exponentiële tilt toe.
Door de eigenschappen van Gaussische verdelingen kan de kwadratische term in de kostenfunctie analytisch worden geabsorbeerd in de nieuwe verdelingsparameters (mean en covariantie).
Het resultaat is dat de bemonstering niet langer de kwadratische kosten hoeft te evalueren; de kosten zijn al "ingebouwd" in de verdeling waaruit wordt bemonsterd. Dit elimineert de noodzaak voor dure versleutelde matrix-vector vermenigvuldigingen tijdens de online fase.

C. Polynoom-Surrogaat voor Beperkingen

De oorspronkelijke methode vereist een "hard indicator" voor haalbaarheid (1 als haalbaar, 0 anders), wat niet kan met HE (geen vergelijkingen).

Aggregate schorsing: De auteurs definiëren een score voor beperkingsovertreding als de som van de positieve delen van de residuen ( $\sum [g_j]_+$ ).
Chebyshev-benadering: De niet-lineaire functie $[x]_+$ wordt benaderd door een polynoom $h_\ell(x)$ (via Chebyshev-approximatie).
Drempelcorrectie: Om kleine benaderingsfouten te corrigeren die haalbare monsters onterecht straffen, wordt een drempelwaarde $\tau_s$ toegepast voordat de exponentiële gewichtsfactor wordt berekend.
Dit maakt het mogelijk om de haalbaarheid te evalueren met alleen versleutelde optellingen en lage-graad polynoomvermenigvuldigingen.

D. Protocol Architectuur

Het protocol is verdeeld in twee fasen:

Offline Fase (Eén keer): De client berekent matrices die alleen afhangen van het systeemmodel en de referentieverdeling. Deze worden versleuteld en naar de cloud gestuurd. De cloud genereert ruismonsters en pre-berekent versleutelde componenten.
Online Fase (Per tijdstap):
- De client versleutelt de huidige toestand en stuurt deze naar de cloud.
- De cloud gebruikt de cached data om versleutelde trajecten en beperkingsresiduen te genereren.
- De cloud past de polynoom-surrogaat toe om de haalbaarheidsscores te berekenen.
- De cloud stuurt de versleutelde trajecten en scores terug naar de client.
- De client decrypteert, berekent de gewogen gemiddelde schatting en past de eerste controletorque toe.
- Communicatie: Slechts één ronde per stap, geen tussentijdse decryptie.

3. Belangrijkste Bijdragen

VEMPC-protocol: Een nieuwe methode waarbij de kwadratische kostenfunctie wordt geabsorbeerd in een gesloten-formule Gaussische verdeling, waardoor online projectie of iteratieve optimalisatie overbodig wordt.
HE-Compatibiliteit: Het bewijs dat zowel de controlevolgorde als de beperkingsresiduen lineaire functies zijn van de bemonsteringsruis, wat een protocol mogelijk maakt dat alleen optelling en polynoomvermenigvuldiging vereist.
Twee niveaus van parallelisme:
- Plaintext-niveau: Onafhankelijke bemonstering van trajecten kan parallel worden uitgevoerd.
- Ciphertext-niveau: Gebruik van SIMD-packing (Single Instruction Multiple Data) in het CKKS-versleutelingsschema om meerdere monsters in één ciphertext te verwerken.
Open-source implementatie: Beschikbaarheid van code in Python en Go met behulp van populaire HE-bibliotheken (OpenFHE en Lattigo).

4. Resultaten

De methode werd getest op een omgekeerde slinger (inverted pendulum) systeem.

Snelheid: De gemiddelde online berekeningstijd voor het genereren van een actuatorinput bedroeg ongeveer 28,6 ms (gemiddeld over 40 stappen). Dit valt binnen de sample-tijd van 50 ms, wat real-time regeling mogelijk maakt.
Prestatie: De VEMPC presteerde vergelijkbaar met een niet-versleutelde variational MPC, waarbij de toestand effectief naar de oorsprong werd gestuurd binnen de opgelegde beperkingen.
Invloed van parameters:
- De rekentijd neemt toe met de graad van het polynoom ( $\ell$ ) en de ringdimensie ( $N_{ct}$ ) van de versleuteling.
- Dankzij ciphertext-parallelisme bleef de rekentijd stabiel bij het verdubbelen van het aantal monsters ( $K$ ) zolang het aantal ciphertexts gelijk bleef.
Veiligheid: De simulaties draaiden met 128-bit beveiliging. De fouten door de benadering van CKKS en polynomen bleven binnen aanvaardbare grenzen voor controletoepassingen.

5. Betekenis en Conclusie

Dit werk is baanbrekend omdat het voor het eerst een variational benadering integreert met versleutelde MPC.

Oplossing van een fundamenteel probleem: Het overbrugt de kloof tussen de complexe, niet-polynomiale aard van MPC-optimalisatie en de beperkingen van homomorf versleuteling.
Real-time haalbaarheid: Door het elimineren van dure kwadratische termen en het benutten van dubbel parallelisme, wordt de latency verlaagd tot tientallen milliseconden. Dit maakt versleutelde cloud-MPC praktisch toepasbaar voor industriële systemen waar privacy cruciaal is.
Toekomstperspectief: De methode opent de deur voor veiligere, cloud-gedreven regelingssystemen zonder in te leveren op de kwaliteit van de regeling of de privacy van de gebruiker.