| 研究課題/領域番号 |
18K19786
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
木村 啓二 早稲田大学, 理工学術院, 教授 (50318771)
|
|---|
| 研究分担者 |
和田 康孝 明星大学, 情報学部, 准教授 (40434310)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2019年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2018年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
|
|---|
| キーワード | 秘密計算 / 準同型暗号 / 高速化 / マルチコア / アクセラレータ / FPGA / 完全準同型暗号 / 行列積 |
|---|
| 研究成果の概要 |
本研究では、準同型暗号方式により暗号化された値による行列積計算の高速化手法の検討を行う探索型の研究である。得られた高速化方式に基づき、深層学習フレームワークでの利用を目指す。本研究により、汎用プロセッサのSIMD演算化で対象となる行列積処理を構成する重要な計算部分2カ所をそれぞれ最大5.53倍、3.73倍高速化することができた。また、アクセラレータ利用時に重要となるデータ転送ユニットを開発した。さらに、最小限の演算量で必要な計算を可能とするように、演算精度と計算速度の検討・評価を行い、畳み込み層5層削減した並列処理で認識精度およそ8ポイント、認識速度でおよそ54%の向上が確認できた。
|
| 研究成果の学術的意義や社会的意義 |
準同型暗号により暗号化したまま計算可能なことで、秘密を保ったままクラウドなどの第三者環境にデータを提供し安全に計算処理を行うことができるようになったが、その計算コストが極めて大きいことが問題となっていた。本研究により得られた成果により、準同型暗号による行列積の処理を高速化可能となる。行列積は深層学習処理の主たる計算要素であるため、秘密を保ったままにしてクラウドで深層学習処理（主に推論処理を想定）を行い、結果を安全に利用者に返すことが可能となる。
|
