【隐语SecretFlow】 Unbalanced PSI Benchmark性能测试报告

导语

2022年10月份，隐语发布了PSI的性能数据，当时就引起了内部和外部用户的广泛关注，具体协议包括：ecdh/kkrt16/bc22协议，这些协议更适合双方数据量差别不大的场景，称为平衡PSI（Balanced PSI）。

在现实的隐私求交场景中，有时双方数据量级差异很大，例如：百万vs十亿，2千万vs 20亿。针对这种场景，隐语实现并开源了专门的非平衡PSI（Unbalanced PSI）协议，能得到更好的性能。

具体来讲：与ecdh-psi对比，ecdh-psi在大数据集上进行两次加密操作。隐语实现的非平衡PSI只在大数据集上进行一次加密操作，在大数据集与小数据集的体量相差非常大的时候，总体计算量和运行时间大约是ecdh-psi的1/2。

非平衡PSI还把协议分成离线和在线（offline/online）两个阶段，在提前执行离线（offline）缓存的情形下，在线阶段只需10多分钟即可完成在线（online）协议，得到交集结果。

本文给出隐语非平衡PSI协议（Unbalanced PSI）的具体测试环境、步骤、和数据，供大家参考。

复现路径

一、测试机型

• Python：3.8
• pip: >= 19.3
• OS: CentOS 7
• CPU/Memory: 推荐最低配置是 8C16G
• 硬盘：500G

二、安装conda

使用conda管理python环境，如果机器没有conda需要先安装。

步骤如下：

#sudo apt-get install wget
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh#安装
bash Miniconda3-latest-Linux-x86_64.sh# 一直按回车然后输入yes
please answer 'yes' or 'no':
>>> yes# 选择安装路径, 文件名前加点号表示隐藏文件
Miniconda3 will now be installed into this location:
>>> ~/.miniconda3# 添加配置信息到 ~/.bashrc文件
Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no]
[no] >>> yes#运行配置信息文件或重启电脑
source ~/.bashrc#测试是否安装成功，有显示版本号表示安装成功
conda --version

三、安装secretflow

conda create -n sf-benchmark python=3.8conda activate sf-benchmarkpip install -U secretflow

四、创建节点并启动集群

• 创建ray header节点

创建ray header节点，选择一台机器为主机，在主机上执行如下命令，ip替换为主机的内网ip，命名为alice，端口选择一个空闲端口即可

注意：192.168.0.1 ip为mock，请替换为实际的ip地址

RAY_DISABLE_REMOTE_CODE=true \
ray start --head --node-ip-address="192.168.0.1" --port="9394" --resources='{"alice": 8}' --include-dashboard=False

• 创建从属节点

创建从属节点，在bob机器执行如下命令，ip依然填alice机器的内网ip，命名为bob，端口不变

RAY_DISABLE_REMOTE_CODE=true \
ray start --address="192.168.0.1:9394" --resources='{"bob": 8}'

五、数据要求

Alice方：2000万

Bob方：20亿

交集：1000万

六、Benchmark脚本

脚本分为offline和online，offline用于对大数据方的setup、online对小数据的执行基于ecdh的oprf协议。参考阅读：非平衡隐私集合求交(Unbalanced PSI)协议介绍。

• offline脚本：

import os
import sys
import time
import logging
import multiprocessfrom absl import app
import spu
import secretflow as sf
#import random# init log
logging.basicConfig(stream=sys.stdout, level=logging.DEBUG)# SPU settings
cluster_def = {'nodes': [# <<< !!! >>> replace <192.168.0.1:17268> to alice node's local ip & free port{'party': 'alice', 'id': 'local:0', 'address': f'192.168.0.1:17268'},# <<< !!! >>> replace <192.168.0.2:17269> to bob node's local ip & free port{'party': 'bob', 'id': 'local:1', 'address': f'192.168.0.2:17269'},],'runtime_config': {'protocol': spu.spu_pb2.SEMI2K,'field': spu.spu_pb2.FM128,},
}link_desc = {'recv_timeout_ms': 3600000,
}def main(_):# sf init# <<< !!! >>> replace <192.168.0.1:9394> to your ray headsf.shutdown()sf.init(['alice','bob'],address='192.168.0.1:9394',log_to_driver=True,omp_num_threads=multiprocess.cpu_count())# init loglogging.basicConfig(stream=sys.stdout, level=logging.DEBUG)alice = sf.PYU('alice')bob = sf.PYU('bob')#carol = sf.PYU('carol')# <<< !!! >>> replace path to real parties local file path.offline_input_path = {alice: 'dummyalice.csv',bob: '/root/benchmark/unbalanced_200000w.csv',}select_keys = {alice: ['id'],bob: ['id'],}spu = sf.SPU(cluster_def, link_desc)# offline print("=====offline phase====")start = time.time()offline_output_path = {alice: "/data/unbalanced_2000w_out.csv",bob: "/data/unbalanced_200000w_out.csv",}offline_preprocess_path = "/root/benchmark/offline_out/offline_psi0107.csv"secret_key = "000102030405060708090a0b0c0d0e0ff0e0d0c0b0a090807060504030201000"secret_key_path = "/root/benchmark/secret_key.bin"with open(secret_key_path, 'wb') as f:f.write(bytes.fromhex(secret_key))reports = spu.psi_csv(key=select_keys,input_path=offline_input_path,output_path=offline_output_path,receiver='alice',  # if `broadcast_result=False`, only receiver can get output file.protocol='ECDH_OPRF_UB_PSI_2PC_OFFLINE',        # psi protocolprecheck_input=False,  # will cost ext time if set Truesort=True,  # will cost ext time if set Truebroadcast_result=False,  # will cost ext time if set Truebucket_size=10000000,curve_type="CURVE_FOURQ",preprocess_path=offline_preprocess_path,ecdh_secret_key_path=secret_key_path,)#print(f"psi reports: {reports}")logging.info(f"offline psi reports: {reports}")logging.info(f"cost time: {time.time() - start}")sf.shutdown()if __name__ == '__main__':app.run(main)

• online脚本：

import os
import sys
import time
# import random
import logging
import multiprocessfrom absl import app
import spu
import secretflow as sf# init log
logging.basicConfig(stream=sys.stdout, level=logging.DEBUG)# SPU settings
cluster_def = {'nodes': [# <<< !!! >>> replace <192.168.0.1:13666> to alice node's local ip & free port{'party': 'alice', 'id': 'local:0', 'address': f'192.168.0.1:13666'},# <<< !!! >>> replace <192.168.0.2:12946> to bob node's local ip & free port{'party': 'bob', 'id': 'local:1', 'address': f'192.168.0.1:13667'},],'runtime_config': {'protocol': spu.spu_pb2.SEMI2K,'field': spu.spu_pb2.FM128,},
}link_desc = {'recv_timeout_ms': 3600000,
}def main(_):# sf init# <<< !!! >>> replace <192.168.0.1:9394> to your ray headsf.shutdown()sf.init(['alice','bob'],address='192.168.0.1:9394',log_to_driver=True,omp_num_threads=multiprocess.cpu_count())# init loglogging.basicConfig(stream=sys.stdout, level=logging.DEBUG)alice = sf.PYU('alice')bob = sf.PYU('bob')# <<< !!! >>> replace path to real parties local file path.online_input_path = {alice: '/root/benchmark/unbalanced_2000w.csv',bob: 'dummy.bob.csv',}output_path = {alice: '/data/unbalanced_20000wvs2000w.csv',bob: '/data/unbalanced_20000wvs2000w.csv',}select_keys = {alice: ['id'],bob: ['id'],}spu = sf.SPU(cluster_def, link_desc)offline_preprocess_path = "/root/benchmark/offline_out/offline_psi0107.csv"secret_key_path = "/root/benchmark/secret_key.bin"# online print("=====online phase====")start = time.time()reports = spu.psi_csv(key=select_keys,input_path=online_input_path,output_path=output_path,receiver='alice',  # if `broadcast_result=False`, only receiver can get output file.protocol='ECDH_OPRF_UB_PSI_2PC_ONLINE', # psi protocolprecheck_input=True,  # will cost ext time if set Truesort=True,  # will cost ext time if set Truebroadcast_result=False,  # will cost ext time if set Truebucket_size=100000000,curve_type="CURVE_FOURQ",preprocess_path=offline_preprocess_path,ecdh_secret_key_path=secret_key_path,)#print(f"psi reports: {reports}")logging.info(f"online psi reports: {reports}")logging.info(f"cost time: {time.time() - start}")sf.shutdown()if __name__ == '__main__':app.run(main)

• Benchmark报告

备注：目前是小数据方到大数据方的交集结果，如果大数据方到小数据方的交集结果online运行时间会增加一倍 。

解读：

• Unbalanced PSI的offline阶段，大数据方对大数据集（20亿）进行加密并发送（截取12B）到小数据方，加密（ecc点乘）可以进行并发计算，CPU的核数增大可以提高性能。可以看到性能数据基本和CPU的核数成线性关系，网络带宽消耗不大。
• Unbalanced PSI的online阶段，可以划分为两部分子阶段，对小数据集数据执行ecdh-oprf得到小数据集的加密结果；小数据集加密结果和offline阶段的到大数据集加密数据进行比较的到交集。总体计算量和传输量不大，运行时间在10几分钟左右。

Balanced PSI Benchmark报告

为了方便大家对比，同等硬件资源和数据规模下，对平衡PSI做了性能测试，报告如下：

解读：

Balanced PSI 跑20亿*2000万规模数据时，在8C16G资源下CPU成为瓶颈，机器资源提升到64C128G后LAN 环境 79分钟完成任务执行。