🤖 machine learning

Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels

Dit artikel stelt een protocol met vier fasen voor dat privacyverbeterde zero-order federated learning over draadloze kanalen mogelijk maakt door gebruik te maken van het xMK-CKKS multi-key homomorfische encryptieschema om veilige, kanaal-estimatievrije aggregatie te bereiken met convergentiesnelheden van $O(1/\sqrt{K})$ , zelfs wanneer de server in samenspanning treedt met maximaal $N-1$ clients.

Oorspronkelijke auteurs: Anthony Ayli, Khalil Harris, Jihad Fahs, Mohamad Assaad

Gepubliceerd 2026-05-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Anthony Ayli, Khalil Harris, Jihad Fahs, Mohamad Assaad

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een groep vrienden voor die samen een gigantische puzzel proberen op te lossen, maar ze bevinden zich allemaal in verschillende kamers en kunnen elkaar hun stukken niet laten zien. Dit is Federated Learning: iedereen traint een model op hun eigen privédata en stuurt updates naar een centrale "leraar" (de server) om de oplossing van de groep te verbeteren.

Het probleem? Het verzenden van die updates lekt meestal geheimen. Als iemand het bericht onderschept, kunnen ze misschien achterhalen hoe jouw privédata eruitziet.

Om dit op te lossen, stellen de auteurs een nieuwe manier voor om deze updates te verzenden met behulp van wiskundige magie (Homomorf Versleuteling) via draadloze luchtgolven. Hier is hoe hun oplossing werkt, eenvoudig uitgelegd:

1. Het probleem met "Eén sleutel om hen allen te regeren"

De meeste bestaande privacy-methoden gebruiken een Enige Sleutel. Stel je voor dat iedereen in de groep één hoofdsleutel deelt om hun berichten te vergrendelen en te ontgrendelen.

De fout: Als zelfs één vriend "eerlijk maar nieuwsgierig" is (ze volgen de regels maar stiekem in de berichten van anderen), kunnen ze ieders updates ontgrendelen omdat ze dezelfde sleutel hebben. Als de telefoon van één persoon wordt gehackt, is de hele groep blootgesteld.

2. De oplossing: "Iedereen heeft zijn eigen slot"

Dit artikel introduceert een Multi-Sleutel systeem (specifiek genaamd xMK-CKKS).

De analogie: In plaats van één hoofdsleutel heeft elke vriend zijn eigen unieke slot en sleutel. Om de uiteindelijke doos met antwoorden te openen, heeft de server een klein "ontgrendelstukje" nodig van elke enkele vriend.
Het voordeel: Zelfs als de server nieuwsgierig is, of als $N-1$ vrienden samenzweren met de server, kunnen ze de doos nog steeds niet openen zonder het ontbrekende stukje van de ene vriend. Dit maakt het systeem veel veiliger.

3. De draadloze uitdaging: De "vervagende" kamer

Normaal gesproken, wanneer je een bericht via de lucht verstuurt (zoals Wi-Fi), wordt het signaal vervormd door muren, afstand en interferentie. Dit heet vervaging (fading).

De oude manier: Om dit op te lossen moet je meestal de akoestiek van de kamer meten (Kanaalschatting) en je stem aanpassen (Pre-equalisatie) zodat de leraar je duidelijk hoort.
De draai van het artikel: De kamer perfect meten is moeilijk, en als je het ook maar iets verkeerd doet, breekt de "wiskundige magie". De enorme getallen die voor versleuteling worden gebruikt, raken door elkaar gehaald en het bericht gaat verloren.

4. De magische truc: "Zingen in dezelfde toonsoort"

De auteurs realiseerden zich dat als ze twee dingen tegelijkertijd door exact dezelfde vervorming sturen, de vervorming zichzelf opheft.

Denk er op deze manier over:

Fase 1: Je stuurt een "referentienoot" (een gedeeltelijke publieke sleutel) door de lucht. De leraar hoort het vervormd.
Fase 2: Je stuurt je "geheime boodschap" (de versleutelde update) door de lucht.
Fase 3: Je stuurt een "hulpnoot" (een decryptie-aandeel) door de lucht.

Het geheime ingrediënt: Omdat de "referentienoot" en de "geheime boodschap" op exact hetzelfde moment door exact dezelfde luchtgolven reizen, worden ze op exact dezelfde manier vervormd. Wanneer de leraar ze later combineert, heft de vervorming zich wiskundig op, net als bij noise-canceling koptelefoons.

Resultaat: Ze hoeven de kamer niet te meten of hun stem aan te passen. Ze sturen gewoon alles tegelijk, en de wiskunde corrigeert het signaal automatisch.

5. Zero-Order Learning: De "Blinde" aanpak

Om het snel en licht te houden, gebruiken ze een techniek genaamd Zero-Order (ZO) learning.

De analogie: In plaats van een gedetailleerde kaart van de hele puzzel te sturen (wat enorm is), stuurt elke vriend gewoon één getal: "Als ik mijn stukje iets naar links beweeg, wordt het plaatje dan beter of slechter?"
Waarom het belangrijk is: Dit betekent dat de hoeveelheid verzonden data miniem is (slechts één getal per persoon), ongeacht hoe complex de puzzel is. Dit maakt de versleutelingskosten klein en beheersbaar.

6. De resultaten: Werkt het?

De auteurs hebben dit getest op een standaard taak voor beeldherkenning (het identificeren van de cijfers 0 versus 1).

De uitkomst: Het systeem leerde net zo goed alsof ze helemaal geen versleuteling gebruikten. De "ruis" die door de wiskundige magie werd toegevoegd, was zo klein dat deze praktisch onzichtbaar was.
De vergelijking: Toen ze de oude methode probeerden (de kamer meten en aanpassen), faalde het systeem volledig omdat de kleine fouten in het meten van de kamer werden versterkt door de enorme versleutelingsgetallen, waardoor het bericht werd vernietigd.

Samenvatting

Dit artikel presenteert een veilige manier voor apparaten om samen te leren zonder privédata te delen. Het lost twee grote problemen op:

Veiligheid: Het zorgt ervoor dat zelfs als de meeste gebruikers nieuwsgierig zijn of één wordt gehackt, de data van de groep veilig blijft (Multi-Sleutel).
Draadloze realiteit: Het maakt het mogelijk dat deze zware versleuteling werkt over draadloze kanalen zonder het signaal perfect te hoeven meten, door referentie- en datasignalen samen te sturen zodat ze interferentie op natuurlijke wijze opheffen.

Het is als een groep spionnen die geheime notities doorgeven in een luidruchtige kamer: in plaats van te proberen boven het lawaai uit te schreeuwen, fluisteren ze een code die alleen zin heeft wanneer twee specifieke delen van het gefluister worden gecombineerd, waardoor het lawaai van de kamer effectief wordt gedempt voor de ontvanger.

Technische Samenvatting: Privacy-versterkte Zero-Order Federated Learning via xMK-CKKS over Draadloze Kanalen

1. Probleemstelling

Federated Learning (FL) stelt randapparaten in staat om gezamenlijk modellen te trainen zonder ruwe gegevens te delen, maar overgezonden modelupdates blijven kwetsbaar voor inferentie-aanvallen. Hoewel Homomorf Versleuteling (HE) privacybehoudende aggregatie mogelijk maakt door servers in staat te stellen berekeningen uit te voeren op versleutelde gegevens, lopen bestaande "HE-over-the-air"-methoden tegen twee kritieke beperkingen aan:

Veiligheidskwetsbaarheid: De meeste methoden vertrouwen op single-key HE, waarbij alle clients een geheime sleutel delen. Dit maakt het systeem kwetsbaar voor "honest-but-curious" (HBC) clients die de updates van andere gebruikers kunnen ontcijferen, en een compromittering van één client brengt het hele netwerk in gevaar.
Afhankelijkheid van Kanaalschatting: Bestaande implementaties van multi-key HE (specifiek xMK-CKKS) vereisen grote cryptografische parameters (bijvoorbeeld modulus $q \approx 2^{109}$ tot $2^{218}$ ). In combinatie met over-the-air (OTA) aggregatie falen standaard kanaalschatting- en pre-equalisatietechnieken. Elke resterende fout in de kanaalschatting wordt vermenigvuldigd met de grote modulus $q$ tijdens het ontcijferen, waardoor het signaal (geschaald met $\Lambda \approx 2^{40}$ ) onder een enorme ruisvloer verdwijnt, wat leidt tot ontcijferingsfalen.

De centrale vraag die wordt beantwoord is: Kan multi-key HE worden gecombineerd met over-the-air aggregatie zonder het draadloze kanaal te schatten of te compenseren?

2. Methodologie

De auteurs stellen een protocol in vier fasen voor dat xMK-CKKS (een multi-key HE-schema) integreert met Zero-Order (ZO) FL over langzaam variërende, Line-of-Sight (LoS) gedomineerde draadloze kanalen (bijvoorbeeld korte afstand binnen THz).

Kernmechanisme: Algebraïsche Cancellatie via Kanaalhertransmissie

Het protocol vermijdt kanaalschatting door ervoor te zorgen dat de partiële publieke sleutels en de cijferteksten exact dezelfde kanaalrealisatie ervaren binnen één communicatieronde. Dit maakt algebraïsche cancelatie van de dominante encryptietermen met grote modulus mogelijk tijdens het ontcijferen.

De Vier Fasen:

Aggregatie van Verse Sleutels (Uplink): Elk apparaat $i$ zendt zijn partiële publieke sleutel $b_i$ gelijktijdig uit. De server ontvangt de superpositie $\tilde{b}_k = \sum h_{i,k} b_i + \text{ruis}$ . Cruciaal is dat de server $h_{i,k}$ niet schat; het zendt $\tilde{b}_k$ simpelweg uit.
Versleuteling (Uplink): Apparaten coderen hun ZO-gradiëntschatttingen ( $m_{i,k}$ ) met de ontvangen $\tilde{b}_k$ als publieke sleutel en zenden cijferteksten $(c_{0}, c_{1})$ uit. De server aggregateert deze over de lucht.
Deel van Ontcijfering (Uplink): De server zendt de geaggregeerde $c_1$ uit. Apparaten berekenen partiële ontcijferingsdelen $D_j$ met hun geheime sleutels en zenden deze uit.
Herstel (Downlink): De server combineert de geaggregeerde cijfertekst en de ontcijferingsdelen. Omdat de publieke sleutel $\tilde{b}_k$ en de ontcijferingsdelen zijn gegenereerd met dezelfde kanaalcoëfficiënten $h_{i,k}$ , valt de term die de grote modulus $q$ bevat algebraïsch weg:
$\tilde{b}_k + \tilde{S}_k a = \text{kleine ruis termen}$
waarbij $\tilde{S}_k$ de kanaal-gewogen som van geheime sleutels is. Het resultaat is een gebonden ruis term die onafhankelijk is van $q$ , waardoor de server het geaggregeerde bericht kan herstellen.

Integratie van Zero-Order

Het protocol maakt gebruik van ZO-gradiëntschattting, waarbij elk apparaat per ronde slechts één versleutelde scalair zendt. Dit zorgt ervoor dat communicatie- en versleutelingskosten onafhankelijk zijn van de modeldimensie $d$ , waardoor het schema schaalbaar is. De kanaalverstoring wordt behandeld als een gebonden perturbatie binnen het leeralgoritme in plaats van als een fout die moet worden verwijderd.

3. Belangrijkste Bijdragen

Kanaal-agnostische Multi-Key HE: Het artikel stelt het eerste protocol voor dat aggregatie van xMK-CKKS over een gedeeld draadloos kanaal mogelijk maakt zonder verkryging van Kanaalstatusinformatie (CSI) of pre-equalisatie.
Algebraïsche Cancellatie: Het toont aan dat het herzenden van partiële publieke sleutels en cijferteksten via dezelfde kanaalrealisatie zorgt voor algebraïsche cancelatie van de $q$ -geschaalde encryptietermen. Dit voorkomt dat kanaalonzekerheid verschijnt als een door $q$ versterkte fout die anders de ontcijfering zou vernietigen.
Convergentie-analyse: De auteurs bewijzen dat het protocol de standaard ZO-FL-convergentiesnelheid van $O(1/\sqrt{K})$ behoudt tot op een verwaarloosbare ruisvloer. De resterende kanaal- en versleutelingsruis komen de gradiëntschatter binnen als gebonden perturbaties.
Verhoogde Veiligheid: Het schema is veilig tegen een HBC-server die colludeert met maximaal $N-1$ clients, een aanzienlijke verbetering ten opzichte van single-key HE-schema's waarbij één gecompromitteerde client het systeem breekt.
Validatie van Haalbaarheid: Numerieke resultaten op MNIST valideren dat het protocol werkt met standaard RLWE-parameters ( $n=4096, 8192$ ) en dat de gedecodeerde ruis verwaarloosbaar is ten opzichte van kanaalruis.

4. Resultaten

Convergentie: De theoretische analyse (Stelling 2) toont aan dat het algoritme convergeert naar een omgeving van de optimale oplossing met een ruisvloer $\rho$ . Voor de geteste parameters ( $n=4096/8192$ , $\Lambda=2^{40}$ ) is de ruisvloer ongeveer $10^{-16}$ , wat verwaarloosbaar is ten opzichte van typische kanaalruis.
Prestaties: Experimenten op MNIST (0-vs-1 classificatie) tonen aan dat het versleutelde protocol een testnauwkeurigheid bereikt binnen 1% van de onversleutelde baseline.
Falen van Alternatieven: Het artikel toont aan dat standaard CSI-gebaseerde pre-equalisatie (Zero-Forcing of MMSE) volledig faalt in de multi-key setting. Zelfs met kleine fouten in de kanaalschatting ( $\sigma_{pilot}=0.1$ ) wordt de resterende fout vermenigvuldigd met $q$ , waardoor de trainingsfout direct divergeert (verzadigend bij ongeveer $10^{14}$ ).
Overhead: De communicatie-overhead per apparaat is onafhankelijk van de modeldimensie. Met een bandbreedte van 1 THz zijn de transmissietijden onder de 8 ms, wat past binnen de coherentietijd van statische binnen-THz kanalen.

5. Betekenis en Claims

Het artikel claimt dat single-key CKKS over de lucht kan schalen naar grote moduli met behulp van beamforming, maar dat de multi-key setting fundamenteel anders is. In multi-key HE berust de cancelatie van grote sleuteltermen op een algebraïsche identiteit tussen de geaggregeerde publieke sleutel en de ontcijferingsdelen. Als deze termen verschillende kanaalcoëfficiënten ervaren (door schattingsfouten of tijdvariërende kanalen), faalt de cancelatie en vernietigt de door $q$ geschaalde restwaarde het bericht.

De betekenis van dit werk ligt in het oplossen van dit conflict door kanaalschatting op te offeren voor kanaalconsistentie. Door sleutels en gegevens via dezelfde vervagingsrealisatie te herzenden, zorgt het protocol ervoor dat de algebraïsche cancelatie standhoudt zonder dat het kanaal bekend hoeft te zijn. Dit maakt het mogelijk:

Sterkere Veiligheid: Multi-key bescherming tegen collusie.
Robuustheid: Werking zonder complexe CSI-verkryging of beamforming.
Schaalbaarheid: Zero-order communicatie-overhead die niet groeit met de modelgrootte.

De auteurs concluderen dat het protocol momenteel geschikt is voor langzaam variërende LoS-gedomineerde verbindingen (zoals vaste binnen-THz), maar dat het een fundamentele methode vestigt voor het combineren van sterke cryptografische privacy met de efficiëntie van over-the-air berekening. Voorgesteld toekomstig werk omvat het verminderen van de overhead van sleutelhertransmissie en het combineren van het protocol met differentieel privacy.