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
#FHE
共收录 24 条相关情报。
← 返回所有主题PHAT: PHotonic Accelerator for TFHE
在全同态加密（FHE）中，云服务商可以在不接触明文的前提下对加密数据直接计算，是隐私保护型云应用的重要技术路线。众多 FHE 方案里，基于环面（Torus）的 TFHE 因支持任意布尔/算术门运算而具有最强通用性，但其代价是极高的计算与通信
FPGA Acceleration of Fully Homomorphic Encryption with Adaptive Key Switching
本文针对全同态加密（FHE）在云端隐私保护计算中的性能瓶颈展开研究。FHE 允许云端在密文上直接计算，是实现隐私保护云服务的关键技术，但其计算开销极大，必须依赖硬件加速才能实用。在 FHE 的各类算子中，密钥切换（key-switching
Encrypt What Matters: When Selective Homomorphic Inference Is Efficient
该论文研究的是"选择性同态推理"(selective homomorphic inference) 这一隐私保护推理范式。背景是: 全同态加密 (FHE) 允许服务端在完全不解密用户数据的前提下完成模型推理, 隐私性最强, 但代价是把整个输
Parasol Compiler: Pushing the Boundaries of FHE Program Efficiency.
全同态加密（FHE）允许第三方直接在加密数据上执行计算，是隐私计算的关键技术，但巨大的计算开销严重制约其实际应用。本文作者提出 Parasol Compiler，一个旨在大幅提升 FHE 程序效率的编译器框架。FHE 程序的效率瓶颈不仅来自
HEAT: Faster Fully Homomorphic Inference via Approximations-Weights Co-Adaptation
本文针对全同态加密（FHE）下运行语言模型推理速度过慢的问题展开研究。在 FHE 密文上，模型只能原生支持加法、乘法和旋转操作，且乘法深度受限，超过一定层数就必须执行高开销的 bootstrapping 操作以继续计算。因此，模型中的非线性
Billion-Scale Nearest-Neighbor Search under Fully Homomorphic Encryption on a Single GPU, Balancing Leakage and Cost
本文提出了一种在单个GPU上对十亿级向量数据库执行全同态加密（FHE）最近邻搜索的系统，核心目标是让服务器在无法看到明文查询的情况下完成相似度评分，并返回仅客户端可解的加密结果。为了解决全库加密评分在十亿规模下速度过慢的问题，作者结合了两种
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
Bridging the Gap Between PHE and FHE: A Performance and Trade-off Analysis of The Somewhat Homomorphic BGN Cryptosystem
本文针对同态加密（HE）在实际应用中面临的权衡问题——轻量级部分同态加密（PHE）计算高效但功能有限，而全同态加密（FHE）功能强大但计算开销巨大——提出并分析了介于两者之间的 Boneh-Goh-Nissim（BGN）密码系统。BGN 属
Ciphertext- and Polynomial-Level Optimization for Fully Homomorphic Encryption
本文提出 Recifhe，一种针对全同态加密（FHE）的多级编译器，旨在优化 FHE 程序的执行效率。现有的 FHE 编译器（如基于 RNS-CKKS 方案的）通常在粗粒度的密文级进行优化，但每个密文操作内部由多个多项式操作构成，这些跨密文
Stability Buys Time: A Re-Keying Game for Encrypted Multi-Agent Control
本文针对基于近似全同态加密（FHE）的多智能体控制系统中存在的安全与性能权衡问题，提出了一种新的博弈论分析框架。在加密控制场景下，云端使用CKKS方案对智能体的状态进行全同态加密计算，但由于控制环需要解密以执行控制动作，解密过程中会泄露加密
DataSeal: Ensuring the Verifiability of Private Computation on Encrypted Data.
全同态加密（FHE）允许云计算服务商直接在用户提供的密文上执行计算，而无需解密，这对于医疗、金融等隐私敏感领域的数据外包处理至关重要。然而，在该模式下，客户端普遍担心恶意服务器或服务器端漏洞可能导致数据、计算过程或结果被篡改，从而破坏结果的
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
SoK: Fully Homomorphic Encryption Compilers.
本文是一篇关于全同态加密（FHE）编译器的系统化知识综述（SoK）。全同态加密允许第三方在加密数据上执行任意计算，同时既不知道输入也不知道计算结果，从而在不信任或可能被攻陷的计算环境中提供弹性。该概念自1970年代提出，但直到2009年Cr
Detecting and Understanding Vulnerabilities in Fully Homomorphic Encryption Frameworks
全同态加密（FHE）允许在不解密的情况下直接对加密数据进行计算，为安全云计算、金融和医疗等隐私敏感应用提供了强大的隐私保障。然而，FHE方案的复杂性阻碍了其实际应用。为了降低开发门槛，新一代专用框架应运而生，将高级FHE程序转换为复杂的FH
Low-Cost Multi-Precision Systolic Arrays for Accelerating FHE NTTs on AI ASICs
全同态加密（FHE）能够保障数据隐私，但计算开销极大。在AI硬件（如TPU）上加速FHE具有潜力，却面临精度不匹配的根本限制：TPU优化用于8位算术，而FHE及其关键组件数论变换（NTT）需要高精度。现有方法通过矩阵分解在低精度矩阵引擎上执
Bifrost: Hybrid TEE-FHE Inference for Privacy-Preserving Transformer and LLM Serving
本研究提出 Bifrost，一种融合可信执行环境（TEE）与全同态加密（FHE）的混合推理架构，旨在解决云端 Transformer 和大语言模型（LLM）推理中的用户隐私保护问题。当前云端推理存在直接机密性风险：用户提示可能包含敏感代码、
MPX: A Unified Systolic Array for Matrix and Polynomial Multiplication
本文提出 MPX，一种统一的双模式脉动阵列架构，能够同时支持矩阵乘法和多项式乘法。研究背景是全同态加密（FHE）和后量子密码（PQC）中多项式乘法是关键操作，通常通过数论变换（NTT）加速。现有方法是将 NTT 映射到现有的脉动矩阵引擎上，
Post-Quantum Secure Federated DeFi for Inclusive Banking
该论文针对量子计算对现有金融加密体系构成的威胁，提出了一种后量子安全的联邦去中心化金融（DeFi）框架，旨在提升因信用记录不足而被传统银行排斥的个人的金融包容性。核心方法包括：多家银行将客户加密数据批量上传至虚拟服务器，采用基于格的全同态加
Poster: A Secure Multiparty Computation Platform for Squeaky-Clean Data Rooms.
本文提出了一种新颖的安全多方计算（MPC）平台框架，旨在解决密码学隐私保护技术（如全同态加密FHE和安全多方计算MPC）在实际部署中面临的可用性差、隐私保证不精确等挑战。作者首先形式化了安全计算平台（SCP）的概念，用于隐私保护的数据协作，