연합학습은 여러 클라이언트가 로컬 데이터셋을 격리한 채 공유 모델을 학습할 수 있게 하지만, 교환되는 모델 업데이트가 여전히 민감한 정보를 유출할 수 있어 프라이빗 집계가 실용적 배포, 특히 크로스사일로 환경의 핵심 구성요소다. 동형암호는 클라이언트-집계자 통신 패턴에 자연스럽게 맞지만 기존 단일키 배포는 강한 비담합 가정에 의존하며, 다자간 동형암호는 이 제약을 없애지만 최근 공격은 협업 복호화 시 대규모 스머징 노이즈를 요구해 암호문 크기와 구현 복잡도를 크게 늘린다. 연구진은 RLWE 기반 동형암호에 기반한 경량 다중 비밀키 프로토콜을 제안했다. 집단 공개키 생성을 피하고 각 클라이언트가 자신의 비밀키로 업데이트를 암호화하면서도 결과 암호문은 동형 집계와 협업 복호화에 호환되도록 했다. 복호화 중 암호문 노이즈를 명시적으로 추적·상쇄해 대규모 스머징 노이즈를 없앴으며, 정확한 BFV 기반과 근사 CKKS 기반 두 변형으로 구현해 준정직 모델에서 보안을 증명하고 암호문 팽창과 온라인 비용을 대폭 줄였다.

• •연합학습의 프라이빗 평균 집계를 위한 경량 다중 비밀키 동형암호 프로토콜 제안
• •집단 공개키 생성 없이 각 클라이언트가 자신의 비밀키로 업데이트를 암호화하는 구조로 설계
• •복호화 중 암호문 노이즈를 명시적으로 추적·상쇄해 대규모 스머징 노이즈 불필요
• •정확한 BFV 기반과 근사 적 CKKS 기반 두 변형으로 구현, 준정직 모델에서 보안 증명
• •기존 최신 다자간 동형암호 집계 대비 암호문 퍵창과 온라인 비용을 대폭 절감