XiaoMi-AI文件搜索系统
World File Search SystemTFHE
对有效加密处理的方案和库的比较
摘要 - 近年来，收集和分析云中大数据的机会有所增加。加密处理对于保护云服务器上的数据至关重要，并且可以在加密状态下执行计算的同质加密是为此目的高度期望的。完全同态加密（FHE）是一种加密方案，允许在加密状态下进行任何数量的添加和乘法操作。在追求FHE的实际应用时，已经提出了多个加密方案，并且有几个库可用于执行这些方案。在本研究中，我们首先进行了比较，以帮助根据应用程序的执行环境和处理要求选择适当的FHE加密方案和库。特别是，我们组织了在OpenFhe，Lattigo和TFHEPP库中实施的BFV，BGV，CKK和Zama的TFHE方案变体的时空复杂性和兼容操作。为了实现128位安全性，发现BGV，BFV和CKKS以此顺序最快。此外，内存使用情况因库而变化，而OpenFhe需要比Lattigo更少的内存。与Zama的TFHE方案变体相比，BFV，BGV和CKKS方案的加密过程中的差异是值得注意的。在CKKS和Zama的TFHE变体之间的比较中，Zama的TFHE变体与任意值之间的乘法更兼容，但是CKKS与向量内部产物更兼容。对所有加密方案的共同挑战是它们的巨大时空复杂性。因此，作为第二个考虑因素，我们比较了Zama在云DRAM有限的环境中，OpenFHE和TFHEPP之间的执行时间和固态驱动器（SSD）带宽，例如在云中。发现当DRAM受到限制时，TFHEPP更快。这是因为OpenFHE中的Gate密钥生成时间显着增加，这是因为算术处理所需的记忆力不足。索引术语 - （torus）完全同型加密，SSD
堆：具有并行的引导
摘要 - 同构加密（FHE）是一种加密技术，具有通过对加密数据启用计算来彻底改变数据隐私的潜力。最近，CKKS FHE方案变得非常流行，因为它可以处理实数。但是，CKKS计算尚未普遍存在，因为它在计算和内存方面都是资源密集的，并且比未加密数据的计算要慢多个数量级。最新的算法和硬件优化可加速CKKS计算是有希望的，但是由于昂贵的操作称为Boottrapping，CKKS计算继续表现不佳。虽然已经做出了几项努力来加速自举，但它仍然是主要的性能瓶颈。这种性能瓶颈的原因之一是，与计算Boottrapping算法的CKK的非自举一部分不同，是固有的顺序，并且在数据中显示了相互依存关系。为了应对这一挑战，在本文中，我们引入了使用混合方案切换方法的加速器。HEAP使用CKKS方案进行非引导步骤，但是在执行CKKS方案的自举步骤时，请切换到TFHE方案。通过从单个rlwe密文中提取系数来表示多个LWE密文，从而向TFHE方案转变为TFHE方案。我们将自举函数合并到盲骨操作中，并同时将盲的操作应用于所有LWE密文。堆中的方法是硬件的不可知论，可以映射到具有多个计算节点的任何系统。随后可行地进行引导的并行执行是可行的，因为不同的LWE密文之间没有数据依赖性。使用我们的方法，我们需要较小的自举键，从而从键的主内存中读取约18×少量数据。此外，我们在堆中介绍了各种硬件优化 - 从模块化算术级别到NTT和盲核数据PATAPATH优化。为了评估HEAP，我们在RTL中实现了堆，并将其映射到一个FPGA系统和八型FPGA系统。我们对自举操作的堆的全面评估显示为15。与Fab相比， 39×改进。 同样，对逻辑回归模型训练的堆的评估显示了14。 71×和11。 与Fab和Fab-2实现相比， 57×改进。 索引术语 - ckks，tfhe，方案切换，自举，FPGA加速39×改进。同样，对逻辑回归模型训练的堆的评估显示了14。71×和11。57×改进。索引术语 - ckks，tfhe，方案切换，自举，FPGA加速