Homomorphic Advantage Operator: Stabilizing Reinforcement Learning Under Fully Homomorphic Encryption Constraints
该论文针对云端隐私保护机器学习在智能体场景中的落地难题展开研究。全同态加密（FHE）允许在密文上直接计算，是保护云端强化学习（RL）数据机密性的理想方案，但 FHE 只原生支持加法和乘法，所有非线性激活、裁剪、比较等操作都必须替换为多项式近
#CKKS
共收录 13 条相关情报。
← 返回所有主题ROSETTA: Efficient and Accurate Privacy-Preserving LLM Decoding via Hybrid CKKS/TFHE Evaluation
该论文关注大模型私有推理中的性能瓶颈问题。生成式 LLM 在代码生成、问答等任务上表现优异，但其自回归解码（autoregressive decoding）逐 token 顺序生成，部署时会将用户输入与提示暴露给服务方，引发严重隐私顾虑，因
Homomorphic Multiple Precision Multiplication for CKKS and Reduced Modulus Consumption.
本文针对同态加密（HE）方案中模数消耗问题展开研究。BGV、BFV 和 CKKS 等主流同态加密方案在进行每次乘法运算时，都会消耗一定量的密文模数，这限制了可执行的同态计算深度。自举（Bootstrapping）虽然可以恢复模数并使计算继续
On the Sensitivity to Errors in Homomorphic Computing: Single Transient Bit-flip Client-side Error Characterization
该论文研究同态加密（HE）系统在硬件或软件引入的比特级瞬态故障下的敏感性与鲁棒性问题。同态加密允许在密文上直接进行计算，无需解密，是医疗、金融、政务等隐私敏感场景中隐私计算的关键原语。其安全性依赖噪声注入机制，然而噪声的存在使系统对错误高度
When and Where Faults Matter: A Study of Transient Errors in CKKS Multiplication
本文研究同态加密（Homomorphic Encryption, HE）中的瞬时错误（transient errors）对全同态加密（FHE）计算正确性的影响，特别聚焦于未优化的 CKKS（Cheon--Kim--Kim--Song）方案中
Low-Latency Bootstrapping for CKKS using Roots of Unity
本文提出了一种名为 Sparse Roots of Unity (SPRU) 的新型引导（bootstrapping）算法，用于 CKKS 全同态加密方案。CKKS 是一种支持近似算术的同态加密方案，广泛应用于隐私计算和密文机器学习。在 C
PRISM: Sensitivity-Aware PolynoMial PRuning for EffIcient Neural Network Encryption
本文研究了同态加密（HE）环境下神经网络推理的结构化剪枝对模型可靠性的影响，并提出了多项式敏感度感知剪枝方法（PSAP）。背景：同态加密允许对加密数据进行计算，但计算开销大，结构化剪枝是降低开销的关键技术，然而剪枝可能引入可靠性问题，如对位
LibFHE: A Numba-Based CUDA-Python Library for Non-RNS CKKS-BGV Fully Homomorphic Encryption on GPUs
该论文提出了LibFHE，一个基于CUDA-Python的高性能GPU加速同态加密框架，专注于实现非RNS（非剩余数系统）版本的CKKS-BGV全同态加密方案。自第四代FHE框架CKKS提出已有十年，但尚未出现第五代方案；近年来大量研究通过
Grafting: Decoupled Scale Factors and Modulus in RNS-CKKS.
本文针对RNS-CKKS全同态加密（FHE）方案中缩放因子与模数刚性耦合的问题，提出了一种名为“嫁接”（Grafting）的解耦技术。在标准RNS-CKKS中，缩放因子决定数值精度，模数保证安全性，但两者必须紧密关联，导致设计受限，例如难以
Rotation-Optimal Noncommutative Prefix Scans in Bit-Reversed Homomorphic Layouts
该论文研究在打包同态加密中高效计算有序前缀扫描（prefix scan）的问题。传统方法需要大量循环旋转操作（rotations）来实现非局部通信，其开销取决于物理槽位布局。论文针对存储在比特逆序（bit-reversed）排列中的 n=2
Exploring CKKS Parameter Trade-offs for Privacy-Preserving Personalized Federated Learning
本文针对隐私保护的个性化联邦学习（PFL）中应用CKKS同态加密方案时缺乏系统参数选择指导的问题，提出了pFedCKKS框架。该框架将CKKS集成到PFL中，并首次提供了参数选择的系统指南。研究指出，在128位安全级别下，CKKS参数约束可
HE^2: A Communication-Light Heterogeneous Architecture for Efficient Fully Homomorphic Encryption
该论文针对CKKS全同态加密（FHE）方案计算效率低、硬件开销大的问题，提出一种通信轻量化的异构加速架构HE^2。CKKS支持密文上的SIMD定点运算，包含计算密集型（ComOps）和内存密集型（MemOps）两类算子，现有ASIC或近内存
Triple-Hoisted Baby-Step Giant-Step Linear Transformation over CKKS Homomorphic Encryption and Hardware Accelerator
本文针对同态加密（HE）中线性变换的计算效率问题展开研究。线性变换是神经网络（包括大语言模型）的核心操作，在隐私保护的云端推理场景中，需要在密文上直接计算。然而，基于CKKS方案的线性变换需要大量密文旋转操作，这些操作在现有简化技术下仍带来