近日，在国际体系结构领域顶级会议 ISCA 2022(International Symposium on Computer Architecture)上，
清源研究院许智磊副教授以通讯作者的身份与合作者发表论文《PPMLAC: 加速安全多方计算的高性能芯片体系结构》
（《PPMLAC: High Performance Chipset Architecture for Secure Multi-Party Computation》）。
该文章开创性地提出了利用硬件芯片加速安全多方计算（MPC）的方案。
该成果由上海交通大学清源研究院、清华大学交叉信息学院、上海紫先科技有限公司合作完成。
01研究背景
安全多方计算（Secure Multi-Party Computation，简称MPC）是一种实现隐私计算的方法：
参与安全多方计算的各方持有自己的私有数据，
共同计算出某个函数的结果，此结果依赖于各方的私有数据，
但是在计算过程中，任何参与方的私有数据都不会泄露给别的参与方。
这样，就做到了数据的“可用不可见”，即各方的隐私数据仅用于计算最终的函数结果，但是并不会被任何其他参与方拥有、窥探。
以往的MPC软件实现方式对网络延迟非常敏感，在现实的跨数据中心网络环境下，性能较低，不适合计算大数据、复杂模型。
MPC问题由著名的图灵奖获得者姚期智院士于上世纪80年代初首次提出，并给出理论上的解决方法。
后续经过几十年的发展和诸多科学家的贡献，实现MPC的计算复杂度、通信复杂度等方面均有很大进展，
并且MPC也在金融、医疗等需要保护用户数据隐私的实际场合得到了应用。
02亮点成果
本次发表在ISCA上的论文，致力于解决传统MPC在现实网络环境下性能较低的问题。
许智磊副教授和合作者发现，对于MPC的一种常见实现方式：
基于秘密分享（Secret-Sharing）的MPC，如果引入一个最小的硬件可信根，
就可以将MPC的性能瓶颈完全消除，将原先频繁发生的双向网络通信改变成单向网络通信，
进一步可以进行异步通信（Asynchronous Communication）和计算-通信流水线编排（Pipelining），
从而大大提高MPC的性能，且使之对网络延迟完全不敏感。
在此基础上，他们利用硬件芯片的不可篡改性，结合非对称密码学技术，
构造了专门用于加速安全多方计算的专用芯片体系结构（PPMLAC）。
这种加速芯片可以将复杂模型进行安全多方计算的性能提升成千上万倍。
例如：经典的ResNet物体识别模型，如果采用常用的SPDZ软件实现MPC，
在现实网络环境下需要数小时才能进行一次推理（Inference），
而采用PPMLAC的原型产品FPGA加速芯片进行MPC运算，仅需不到5秒即可。
PPMLAC将MPC中频繁的双向通信改变为异步单向通信，流水线化计算和通信
另外，PPMLAC体系结构引入的硬件信任根仅用于MPC中的乘法操作，
是一个极其基本的操作，所以攻击面非常窄，
很容易在芯片层面安全地实现其功能，
能够对抗包括侧信道攻击（Side-Channel Attack）在内的各种攻击形式，
保证对用户数据隐私的保护。
PPMLAC硬件加速MPC和传统软件MPC（CrypTen和MP-SPDZ）的性能比较
PPMLAC芯片可用于加速各种隐私保护的机器学习（Privacy-Preserving Machine Learning）算法和大数据应用，
可以将隐私计算的适用范围大大推广，支持大多数常用的统计和机器学习应用，
为我国大数据产业发展以及保护公民数据隐私事业做出贡献。
03关于ISCA
ISCA与MICRO和HPCA并称体系结构领域三大顶级会议。
ISCA由ACM SIGARCH（计算机系统结构特殊兴趣组）和IEEE TCCA（计算机架构技术委员会）联合创办于1973年，
见证了诸多突破性成果的首次亮相，
包括谷歌、英特尔、英伟达等企业在半导体领域的多项技术创新。
官方信息显示，2022年接收论文67篇，录取率为16.83%，国内中稿仅8篇。
04关于作者
许智磊，副教授，
本科毕业于清华大学计算机系，后于美国麻省理工学院获得博士学位，
先后在美国Google、Facebook等公司工作。
长期从事操作系统和分布式系统，程序设计语言等方面的研究，
在理论和实践方面都有深厚积累。
2021年12月加入上海交通大学清源研究院任副教授，
现为系统安全性与可靠性研究组（Systems Security and Reliablity Research Group）负责人。
研究领域：程序设计语言、信息安全、软件可靠性和安全性，操作系统和分布式系统。
