MesaTEE GBDT-RS开源：模型兼容XGBoost 预测更快捷 数据更安全

GBDT(Gradient Boosting Decision Tree，梯度提升决策树)是工业界广泛应用的机器学习算法，而XGBoost则是著名华人学者陈天奇发起并被工业界广泛应用的开源GBDT工具包。GBDT/XGBoost在各项机器学习比赛中屡屡夺冠，是机器学习领域最常用的方法/工具之一。

随着数据安全和隐私保护越来越收到各界的关注，如何在公有云和数据离岸等场景保护数据不泄漏、不被滥用成为业界共同关心的急迫问题。自然的，业界急切的需要一个能够保障数据安全的GBDT解决方案。随着Intel SGX为代表的硬件可信执行环境(TEE)技术的发展，数据代码的完整性和保密性可得到芯片级的安全保障支持。而在软件层面，百度安全实验室首创的Hybrid Memory Safety(HMS)技术可在软件架构上保障使用系统的内存安全。百度安全实验室MesaTEE项目结合硬件TEE和HMS技术，从软硬件两个维度保护机器学习的数据和代码，确保敏感数据和机密模型不泄漏，提供下一代安全的大数据/机器学习解决方案。

将GBDT与HMS/TEE结合，百度安全实验室和北京大学计算机所信息安全实验室合作，基于Rust语言，在开源项目MesaTEE GBDT-RS中实现了GBDT算法。MesaTEE GBDT-RS兼容XGBoost的模型，同时还符合MesaTEE内存安全的要求，并能直接运行在SGX环境中。另外，MesaTEE GBDT-RS提供了令人惊讶的高速预测性能：在SGX环境下，GBDT-RS单线程预测性能甚至能达到XGBoost 正常环境8线程的2倍以上。

通过使用MesaTEE GBDT-RS和百度MesaTEE Rust SGX SDK等 工具 链，开发者可以创建能在SGX中运行的内存安全的机器学习程序，保护模型和数据。在云计算场景下，即使云计算环境里的操作系统、虚拟机管理器（VMM）、或相邻的其他虚拟机被攻破或作恶，模型和数据的完整性和保密性都能得到高安全性保障。使用者还可以远程验证执行环境，确保代码符合预期，并通过可信信道传递模型和数据。

MesaTEE GBDT-RS开源地址：https://github.com/mesalock-linux/gbdt-rs

MesaTEE GBDT-RS特点介绍

下面与XGBoost对比，介绍MesaTEE GBDT-RS (下面简称GBDT-RS)的特点

• 安全：GBDT-RS基于 纯Rust编写 ，且 不包含unsafe语句 。因此，Rust编译器保证了GBDT-RS的内存安全性。开发者在使用GBDT-RS时，无需担心内存破坏漏洞导致的模型和数据泄漏。

• 易审计：GBDT-RS只包含 约2000行代码，代码整洁小巧，依赖少 。任何质疑者都可以快速容易地对代码进行审计，建立信任关系。而XGBoost包含上万行代码，且依赖其他C/C++开源项目，审计困难。

• 高性能：GBDT-RS已验证支持200维 x 500万，或35维 x 1186万的数据进行训练。单线程单棵决策树的训练速度可达到XGBoost单线程的 70% 左右；预测速度可达XGBoost的 4～10倍 。 在SGX中使用GBDT-RS单线程预测，甚至可比非SGX环境下的XGBoost多线程预测快 。

• 易用性：GBDT-RS支持回归和分类两种任务，支持多线程并发预测。同时，GBDT-RS 兼容XGBoost的模型 ，可使用XGBoost的模型进行回归、分类、多分类等多种预测。

• 支持SGX ：GBDT-RS支持在SGX中训练和预测，支持在SGX环境中使用XGBoost的模型。开发者可以非常容易地使用百度的 rust-sgx-sdk ，编译在SGX中运行GBDT-RS的程序，让数据和模型都能得到高安全性保障。

性能测试

我们分别测试了模型训练，正常环境下的预测，以及SGX环境下的预测。

模型训练

数据集：35维x1186万条数据

环境：linux, i7-8086K, 64G内存，非SGX

非SGX环境下的预测

模型：32维，10000棵决策树，树深为6，由XGBoost训练

数据集：1万条，10万条

环境：i7-8086K/Linux，i7-8850H/macOS，Intel J5005/Linux

在1万条数据上，GBDT-RS 快4-10倍 ，在10万条数据上，GBDT-RS 快3.6-7.7倍

SGX环境预测

模型：32维，10000棵决策树，树深为6，由XGBoost训练

数据集：1万条，10万条

环境：Intel J5005（4核4线程）/Linux，XGBoost正常环境，GBDT-RS正常环境+SGX环境

• 在1万条数据上测试，SGX会带来约 13% 的性能损失，但仍比单线程XGBoost 快8.7倍 ，比8线程XGBoost快 2.1倍

• 在10万条数据上测试，SGX依旧比XGBoost单线程 快2倍 。若将batch设为10000后，减少内存切换的开销，SGX可比单线程XGBoost 快9.6倍 ，比8线程XGBoost 快2.3倍

更多内容请移步：

• gbdt-rs项目主页：https://github.com/mesalock-linux/gbdt-rs

*点击“阅读原文”进入gbdt-rs主页