Optimizing FPGA-based CNN Accelerators over Homomorphically Encrypted Data: Based on Survey

동형암호 CNN 가속기의 FPGA 최적화 디자인 설계 연구

동형암호는 암호화된 상태에서도 연산을 수행할 수 있는 암호이다. 양자컴퓨터 시대가 눈앞에 도래한 지금 양자컴퓨터에도 안전한 격자 문제에 기반을 둔 동형암호가 적용될 수 있는 분야는 무궁무진하다. 특히 최근 AI 의 발전에 따라 프라이버시 문제가 더욱 쟁점이 되고 있는데, 이를 해결하기 위해 등장한 프라이버시 보존 머신 러닝 기술 중 대표적인 것이 동형암호를 이용해 CNN(Convolution Nueral Network)의 추론을 구현하는 것이다. 이 논문에서는 CryptoNets 를 시작으로 HE-CNN 기술의 발전 흐름에 대해 소개하고, FPGA 등 하드웨어 가속 기술을 바탕으로 기존에 적용된 설계 프로세스를 개선한 새로운 디자인 프로세스를 제안한다. 특히 동형암호의 level 변화(연산 횟수 판단)를 고려한 유연성 있는 설계를 위해 다양한 병렬성 파라미터를 도입하고, DSE 로 자원을 최적 분배함으로써 기존보다 더 빠르고 자원 효율적인 가속기를 구현하는 방법을 탐구한다.