机构名称：
¥ 5.0
本文探讨了在CKKS加密方案中改善排名，顺序统计和分类算法的方法，重点是近似近似差异函数，例如符号函数。完全同态加密（FHE）通过直接对加密数据启用计算来确保数据隐私，但其高计算复杂性带来了显着的挑战。为了应对这些挑战，这项研究分析了两种关键近似技术的准确性和计算效率之间的平衡：Tchebyche和复合的minimax近似算法。我们的实验结果表明，复合最小值多项式优于使用Tchebyche近似值在内存使用和计算效率中创建的多项式，使其更适合于高性能效率。为了提高其针对近似误差的鲁棒性，本文还提出了一种修订算法，用于确定矢量的（arg）min和（arg）max，该算法将比较函数的用法替换为最大或最小函数的使用。我们的发现表明，在确定向量中的最小值时，使用最大或最小函数而不是比较函数可改善稳健性与近似误差。但是，计算Argmin时相反，因为稳健性降低。这些结果有助于开发CKKS加密方案的更健壮和有效的隐私算法，并具有潜在的应用程序，并具有安全的云计算，加密的机器学习和具有隐私意识的数据分析。
在CKKS中达到有效的订单统计
主要关键词
相关文件推荐
