推荐 3.5
Conf: 50%
本文针对基于环误差学习(RLWE)问题的同态加密(HE)方案在安全计算中的广泛应用,提出了一种面向RLWE密文的水印技术。现有HE方案主要关注计算可行性与效率,忽略了密文版权保护、来源认证和计算监管等实际需求。作者利用RLWE多项式的代数结构,将微小噪声作为水印信息嵌入密文多项式,且不影响明文值。然而,密文在经历多次同态运算后可能使水印失真或消失。为此,论文提出了两种解决方案:第一种方案ARWMark基于噪声分层,对同态加法操作具有鲁棒性;第二种方案MRWMark利用线性方程根构造,同时对加法和乘法操作具有鲁棒性,且支持零比特水印。理论分析证明,这些方案不牺牲HE原有的安全性,同时保证了水印的正确性和鲁棒性。实验验证了两种方案的有效性。该研究为同态加密场景下的版权保护和数据溯源提供了新的技术手段。
💡 推荐理由: 填补了同态加密领域水印技术的空白,为密文版权保护和计算监管提供了可行方案,对隐私计算供应链安全具有重要参考价值。
🎯 建议动作: 研究跟进,评估水印方案在实际HE系统中的集成代价与性能影响。
排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)