HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Stoffel MPCでプライベートなゲノム研究を構築しました

I Built a Private Genomics Study with Stoffel MPC (vishakh.blog)

21 pointsby vishakh8222 コメント

要約

この記事は、Stoffel MPCプラットフォームを使用して、参加者のゲノムデータを収集せずにプライベートなゲノム研究を構築した実証実験について説明しています。100人のシミュレートされた参加者が、個々のゲノムを見ることなく集計されたアレル数を計算することに成功しました。

全文翻訳

Stoffel MPCでプライベートなゲノムスタディを構築した

ほとんどのゲノムスタディは、参加者に、彼らが所有する最も識別性の高く不可逆的なデータの一つであるDNAのアップロードを求めることから始まります。私は、マルチパーティ計算(MPC)が異なるモデルを提供できるかどうかを引き続き調査しています。それは、そもそも誰かが参加者のゲノムを収集することなく、スタディが有用な結果を生み出せるモデルです。

その問いが、今回、Stoffel MPCを用いた概念実証の構築につながりました。100人のシミュレートされた参加者が、どの当事者も完全なデータセットを見ることなく、集計アレルカウントを正常に計算しました。この記事では、私が構築したもの、そのパフォーマンス、そして学んだことを説明します。

Stoffel MPCがローンチ

Stoffelは最近、バージョン0.1.0のマルチパーティ計算(MPC)プラットフォームをローンチしました。その野心的な目標は、プライバシーを保護するアプリケーションを、暗号学の専門家チームだけでなく、一般の開発者にもアクセス可能にすることです。

M PCは、複数のコンピュータがプライベートデータ上で計算を実行できるようにするもので、どのコンピュータも完全な入力を受け取ることはありません。MPCシステムは伝統的に構築が困難でしたが、Stoffelは、この技術を親しみやすい開発者プラットフォームとして提示しています。アプリケーションは、PythonライクなStoffelLangで記述され、バイトコードにコンパイルされ、MPCパーティのセット全体でStoffel VMによって実行されます。

私たちはもはや、より堅牢なプライバシーポリシーや、より安全な中央データベースに依存する必要はありません。単に、生データを一箇所に収集することを避けるだけで良いのです。

当然、Monadic DNAで試したくなった

私の継続的なMonadic DNAでの作業を考えると、ゲノミクスは明白なテストケースでした。以前の実験では、同僚と私はNillionと30人の参加者からの実際の遺伝子型データを使用して、プライベートDNA分析を探求しました。

遺伝子データは、プライバシーシステムにとって異常に良いテストです。それは高度に識別可能であり、親族に関する情報を示す可能性があり、侵害後に変更することはできません。同時に、多くの有用なゲノムスタディは個々の記録を検査する必要はありません。研究者は、コホートレベルのバリアントカウントや、グループ全体で計算されたスコアのみを必要とする場合があります。

私が探求したかった具体的なユースケースは、改良されたMonadic DNAモバイルアプリでした。Monadic DNAユーザーは、自分の遺伝子型データを携帯電話に保存し、多くのユーザーにわたる集計統計を必要とするスタディに参加することを選択するかもしれません(おそらく支払いと引き換えに)。問題は、ユーザーの完全な遺伝子型をMonadic DNA、研究者、または他の信頼できる中央サービスに最初にアップロードすることなく、アプリがそのデータに安全に貢献できるかどうかでした。

すべての人の遺伝子型データが中央サービスにアップロードされ、それを保護する必要があるという従来の設計ではなく、Stoffelが各Monadic DNAアプリが共同計算に直接貢献できるようにするかどうかを見たかったのです。その設計では、コーディネーター、アプリケーションサーバー、または個々のMPCパーティのいずれも完全なデータセットを受け取りません。

実験のソースコードはgithub.com/vishakh/stoffel-testで入手できます。

概念実証が意図すること

この概念実証は、100人のMonadic DNAモバイルアプリユーザーがゲノム集計スタディに参加することをシミュレートします。各ユーザーは6つの合成SNP値を提供します。これらはMonadic DNA、23andMe、または他のサービスから取得された可能性があります。スタディは、ターゲットアレルごとの総数と、コホート全体での単純な加重スコアを計算します。

重要なのはトラストバウンダリ(信頼の境界)です。各シミュレートされたユーザーは、個別のクライアントIDと、そのユーザーの6つの値のみを含むプロセスを持っています。クライアントはローカルでシェアを作成し、各MPCパーティに異なるシェアを直接送信します。集計カウントとスコアのみが公開されます。

これは、100件のレコードすべてをサーバーサイドのクライアントに配置することとは意図的に異なります。それはMPCネットワーク内のプライベートな算術演算を実証しますが、クライアントはすべての遺伝子型を閲覧または漏洩できる信頼されたデータコレクターのままになります。

[画像: 概念実証のアーキテクチャ図。中央にMPCパーティがあり、各クライアントがシェアを送信し、結果が集計される様子を示している。]

意図されたMonadic DNAのフローでは、ユーザーはモバイルアプリでスタディを確認し、同意します。アプリは、承認された計算に必要なDNA値のみを選択し、電話でシェアを作成してMPCパーティに直接送信します。完全なDNAデータは、Monadic DNAのサーバーや他のセントラル取り込みサービスを通過すべきではありません。承認された集計結果のみがMPC計算から出力されるべきです。

[画像: Monadic DNAのフロー図。ユーザーがアプリで同意し、DNA値がシェアとしてMPCパーティに送信され、集計結果のみが返される様子を示している。]

MPCと完全準同型暗号(FHE)の比較

マルチパーティ計算(MPC)と完全準同型暗号(FHE)は、どちらも基になる入力を公開せずにデータ上で計算を可能にしますが、異なるモデルを使用します。FHEでは、各ユーザーは通常、公開鍵で自分の遺伝子型を暗号化し、サーバーが暗号文上で直接計算を行います。MPCでは、各ユーザーは入力をシェアに分割し、複数の計算パーティに異なるシェアを送信します。

これらのアプローチは、信頼と運用の複雑さを異なる場所に配置します。FHEシステムは、誰が結果を復号できるかについてのポリシーが必要です。これには、1つの鍵保有者や、複数のパーティ間で共有される閾値鍵が含まれる場合があります。MPCは、1つの復号鍵保有者に依存しませんが、計算中に複数の十分に独立したパーティが通信し、利用可能であり続ける必要があります。

パフォーマンス特性も、ワークロードと実装によって異なります。FHEは、非対話的な暗号化された入力と単一サービスによる計算をサポートしますが、暗号文操作は計算コストが高くなる可能性があります。MPCはパーティ間の通信を導入しますが、この実験の合計のような単純な集計算術は、自然なMPCワークロードです。ゲノミクスにとって普遍的に優れたアプローチはありません。適切な選択は、計算、信頼の仮定、デプロイメントの制約、および望ましいインタラクションモデルに依存します。このPoCは、FHEに対する一般的な優位性を確立しようとするのではなく、Stoffelを介したMPCオプションを探求します。

消費者向けアプリケーションの構築にFHEを使用することについてさらに学ぶには、https://vishakh.blog/2025/08/06/lessons-from-using-fhe-to-build-a-secure-consumer-app/を参照してください。

2026年8月には、HOPE 26カンファレンスでFHEに関する講演も行います。https://schedule.hope.net/hope26/talks#Using-Fully-Homomorphic-Encryption-to-Build-Real-World-Software

技術詳細

ローカルセットアップには3種類のコンポーネントがあります。

  • 100個のネイティブクライアントプロセスが、独立したユーザーまたはモバイルデバイスを表します。それぞれがユニークで短命なIDを受け取り、自身の6つの合成SNP値のみを持ちます。
  • 4つのStoffel MPCパーティが、すべてのクライアントからシェアを受け取り、プライベートな計算を共同で実行します。
  • コーディネーターが参加者を認証し、ディスカバリを処理します。遺伝子型値を受け取ったり、ゲノム計算を実行したりしません。

コーディネーターと4つのMPCパーティはDockerで実行されます。クライアントはDockerネットワーク外の独立したネイティブプロセスとして実行され、公開されたローカルアドレスを介して接続します。これは、ユーザーサイドのクライアントがMPCインフラストラクチャと並んで実行される必要が本質的にないことを示しています。

[画像: ローカルセットアップの図。Dockerコンテナ内のコーディネーターとMPCパーティ、およびDocker外のネイティブクライアントプロセスが示されている。]

プライベートな計算はStoffelLangで記述されています。secretとマークされた値は、プログラムがそれらを操作している間、共有されたままです。コアの集計関数は、各ユーザーの入力スロットから1つのプライベート値を取得し、それらを合計します。

def aggregate(inputs):
    # inputs is a list of secret values, one from each user
    total = 0
    for x in inputs:
        total = total + x
    return total

# This function is called for each SNP
snp_counts = [aggregate(snp_inputs[i]) for i in range(6)]

プログラムはこれを6つのSNPすべてに対して繰り返します。コホートの合計のみを公開し、その後、加重コホートスコアを計算します。個々の貢献を意図的に公開することはありません。

4つのパーティは、BLS12-381スカラーフィールド上のStoffelのHoneyBadgerバックエンドを使用します。開発者の言葉で言えば、HoneyBadgerはプライベート算術演算のためのStoffelの汎用エンジンです。構成は4つのパーティと閾値1を使用しており、HoneyBadgerのn >= 3t + 1要件を満たし、プロトコルの仮定の下で1つの障害のあるパーティを許容します。これにより、1つの悪いリンゴがMPCノードのバスケットを台無しにすることはできません。

ランナーはIDをプロビジョニングし、プログラムをコンパイルし、インフラストラクチャを起動し、50ミリ秒間隔でクライアントを起動します。決定論的な合成フィクスチャの期待される結果を独立して計算し、MPCパーティから発行された集計をチェックし、タイミングとメモリ使用量を記録します。すべてが実行後に解体されます。

発見

100ユーザーの実行は正常に完了し、期待される値が生成されました。

SNPターゲットアレル集計カウント
rs429358 C100
rs7412 T101
rs6265 A99
rs1801133 T100
rs4988235 T101
rs12913832 G99

加重コホートスコアは498で、フィクスチャから独立して計算された結果と一致しました。

私の開発PCでは、ベンチマークは以下を測定しました。

  • インフラストラクチャの起動と準備に28.26秒
  • クライアントの起動とMPCワークロードの完了に6.17秒
  • セットアップ、検証、クリーンアップを含む完全な実行に45.29秒
  • 100個のクライアントプロセス全体でのピークメモリは約1.29 GiB
  • コーディネーターと4つのMPCコンテナ全体でのピークメモリは約62 MiB

経過時間のほとんどは、プライベートな計算ではなく、インフラストラクチャの起動でした。これは本番環境のベンチマークではなくローカルの概念実証ですが、1分未満でのエンドツーエンドの実行は有望でした。

10から100クライアントへのスケーリングも、有用なインフラストラクチャの教訓をもたらしました。各クライアントはコーディネーターと4つのパーティすべてに接続し、約500のクライアント対サーバー接続を作成します。すべてのクライアントを同時に起動すると、クライアントがMPC入力マスクを待っている間に、断続的なTLS障害が発生しました。暗号計算がボトルネックではなく、初期のネットワーク接続のバーストが問題でした。

クライアントの起動をわずか50ミリ秒ずらすことで、ハンドシェイクのバーストは約5秒間に分散され、正常な実行が得られました。それは有望な小さな調整であり、MPCアプリケーションは暗号プロトコル以上のものだと思い出させてくれました。IDプロビジョニング、TLSハンドシェイク、接続制限、リトライ、バックオフ、オブザーバビリティはすべて、参加者が増加するにつれて重要になります。

開発者体験

では、StoffelはMPCを容易にするのでしょうか?コア開発者体験は、実験の最も励みになる部分の一つでした。StoffelLangは小さく読みやすく、secret型はプログラム内でプライバシー境界を可視化し、6つのプライベート合計の記述は、暗号プロトコルを実装するよりも、通常のアプリケーション開発に近いものに感じられました。リポジトリの例は、ローカルのコーディネーターとMPCパーティを実行するための有用なパスを提供しました。

バージョン0.1.0のリリースとして、ドキュメントと例は、小さな例から動作する100クライアントの実験に進むのに十分でした。直接的なシングルクライアントパスは明確に説明されています。このPoCはそのパスを超えて、Docker外の多くの個別に識別されたクライアントを使用し、入力マスク容量と出力承認を調整したため、一部の回答は単一のガイドではなく、例とソースコードから得られました。コードは、その調査を生産的にするのに十分読みやすかったです。

プライベートな計算が最も簡単な部分であったという事実は、Stoffelの開発者プラットフォームという目標にとって良い兆候です。プラットフォームが成熟するにつれて、エンドツーエンドのデプロイメントガイド、設定リファレンス、トラブルシューティングドキュメント、およびサポートされているクライアントSDKは、実装の詳細を検査したくない開発者にとって、同じ体験をさらにスムーズにすることができます。

テストはまた、成功したPoCから本番環境への次のステップを明確にしました。

  • 4つのMPCパーティすべてが1台のPCで実行されました。プロトコルはそれらのデータを分離しましたが、1台のマシンは4つの独立した組織ではありません。本番環境のデプロイメントには、共謀する可能性が低いエンティティによって運用されるパーティが必要です。この構成では、プライバシーは1つ以上のパーティが障害を起こしているか共謀していると仮定します。幸いなことに、Stoffelチームは彼らのMPCクラスターへのAPIキーを提供してくれたので、まもなく本番に近いデプロイメントをテストできます。
  • 入力は決定論的で合成的でした。テストハーネスはそれらを知っていたので、答えを検証できました。実際のスタディでは、独立して運用されるデバイスがローカルでシェアを生成する必要があります。
  • MPCは計算を保護しますが、結果の安全性を保護するわけではありません。小さなコホート、繰り返しのクエリ、または重複するグループは、減算によって個々の貢献を明らかにする可能性があります。本番環境には、最小コホートサイズ、クエリ制御、同意、監査、および結果を受け取る権限を持つ個別のIDが引き続き必要です。
  • このリポジトリは、まだ本番対応のモバイルSDKを提供していません。ネイティブRustクライアントが電話の代わりになります。iOSおよびAndroid向けのそのロジックのパッケージ化と監査は依然として必要です。数百台のモバイルデバイスを使用したMPCはまだ非常にニッチなので、モバイルSDKの欠如は全く不合理ではありません。
  • 成功した起動のずらしは、このPoCに適しています。1000の同時クライアントのテストは次のスケールマイルストーンになり、より高いRPC制限、堅牢なリトライ、より多くのメモリ、および現実的なインフラストラクチャが必要になります。

結論

Stoffelは、プライベートな計算自体を非常に簡単にしました。StoffelLangは集計には十分表現力があり、4パーティのネットワークは正しい結果を生成し、100の独立して識別されたクライアントが単一の開発マシンでスタディを完了しました。

残りの問題は計算の周りにあります。つまり、パーティを誰が運用するか、IDはどのように発行されるか、モバイルクライアントが切断されたときに何が起こるか、そしてどの集計が公開しても安全かということです。Stoffelは、実験がトラストバウンダリを中央のゲノムデータベースから、設計および監査可能な明示的な製品およびインフラストラクチャの決定へと移行することを可能にしました。

バージョン0.1.0のPoCと本番環境のデプロイメントの間には、当然ながらさらに多くの作業があります。当面の次のステップは、Stoffelチームが運用する実際のクラスターでプログラムを実行することです(まもなく!)。それ以降、独立して運用されるパーティ、監査済みのモバイルクライアントコード、回復力のある接続処理、およびより大規模な負荷テストなどが有用なステップとなります。それでも、Stoffelは最も重要な部分、つまり、誰もが生のDNAを一元データベースに収集することから始まらないゲノムスタディへの信頼できるパスを効果的に実証しました。

初期リリースとローカルの概念実証としては、これは印象的な結果です。それは私にStoffelについて慎重に楽観的になり、プラットフォームが開発されるにつれて、それを使ってさらに構築することに真に興味を持たせてくれます。