Jun, 2023

ArctyrEX：一般应用程序的加速加密执行

PDF
TL;DR本研究开发了用于加速加密执行的新技术，其中使用 ArctyrEX 框架可以让开发者用 C 程序描述他们的计算，相对于基线 256 线程 CPU，其在 NVIDIA DGX A100 上快了 40 倍，在单个 A100 上快了 6 倍，并以 Fully Homomorphic Encryption over Torus (CGGI) 为主要研究对象。
fully homomorphic encryptionencrypted executiontoruscggiarctyrex
发现论文，激发创造
  • HEAX: 用于加密数据计算的架构

    本文提出了 HEAX，一种新的 FHE 硬件架构，可在保护数据隐私的前提下，大幅提高计算性能。该架构利用多种级别的并行性来提高数字变换和基于格密码学的计算。在可重构硬件上的实现表明，相对于传统 FHE 方案，性能提升了 164-268 倍。

    Sep, 2019

  • 完全同态加密编译器

    本文介绍了完全同态加密技术（FHE），评估和系统化了 FHE 工具和编译器，并在各种应用程序上评估了这些工具的性能和可用性方面，最后提出了有关 FHE 工具发展的建议和讨论。

    Jan, 2021

  • TT-TFHE: 一个支持环上完全同态加密的神经网络结构

    TT-TFHE 是一个基于神经网络的同态加密框架，可以有效将 TFHE 用于表格和图像数据集中，该框架在加密数据推断的时间和准确性方面表现出色，特别是相对于其他 TFHE 设置和 HE 变体。

    Feb, 2023

  • EVA：一种用于高效同态计算的加密向量算术语言和编译器

    本文提出了一种新的全同态加密语言 Encrypted Vector Arithmetic（EVA），并配备了优化编译器，使开发人员可以直接使用 EVA 开发高效的通用 FHE 应用程序，并且可以作为目标编译高级特定领域的语言。此外，由于 EVA 中的新型优化，其程序的速度比 CHET 生成的程序平均快 5.3 倍，EVA 将使更广泛的人更容易地开发 FHE 应用程序和特定领域的 FHE 编译器。

    Dec, 2019

  • 用于加密数据的高效 CNN 建模块

    本文介绍充分同态加密 (Fully Homomorphic Encryption, FHE) 在机器学习中的应用，针对现有文章只关注于数据安全而忽略模型参数的安全问题，以及高层级的实现不提供对深度卷积神经网络 (CNNs) 中的卷积、非线性激活和汇聚等常见操作的精确性、安全性和速度之间权衡问题，基于 CKKS 算法，提出了使用 FHE 保护输入数据和模型参数的 MLaaS 机制，并在经典的 MNIST 数据集上进行了实现和测试，结果表明设计参数选择会在正确性、安全和计算时间之间产生重要影响，同时还强调了其他设计选择如密文打包策略和多线程并行化也对推断过程的吞吐量和延迟产生了重要影响

    Jan, 2021

  • 基于全同态加密的树型隐私推断

    本文介绍了使用 Fully Homomorphic Encryption 应用于基于树的数据模型，通过 Concrete-ML 库在加密选项卡 ular 数据上得到最先进的解决方案，此方法适用于决策树，随机森林和梯度提升树等广泛使用的基于树的模型，而且在准确性方面与未受保护版本非常接近。

    Feb, 2023

  • 利用 TFHE 进行加密推断的深度神经网络

    本论文探讨了如何构建与 TFHE 约束兼容的深度神经网络，为计算机视觉任务提供了一种基于全同态加密的解决方案。

    Feb, 2023

  • nGraph-HE: 一种基于同态加密数据的深度学习图编译器

    Intel's nGraph-HE, an extension of nGraph, enables the deployment of deep learning models on ciphertext using homomorphic encryption as a hardware target, allowing DL-aware optimizations and integration with popular frameworks such as TensorFlow to benchmark models with minimal overhead.

    Oct, 2018

  • 同态加密方案调查：理论与实现

    介绍了全同态加密的基本概念及其在保护隐私和云计算中的应用，同时讨论了现有 FHE 系统的实现和未来研究方向。

    Apr, 2017

  • CryptoGCN：快速且可扩展的同态加密图卷积网络推断

    该论文介绍了一种基于同态加密的 GCN（图卷积网络）推断框架 CryptoGCN，最大程度地保持了数据隐私，并有效利用矩阵操作的稀疏性，提高了同态加密的计算效率，最终实验证明其比目前最先进的解决方案更有效。

    Sep, 2022