BenX: Resource-Sharing Permutations for Computational Integrity
本文针对计算完整性（computational integrity）证明系统中所使用的、定义在素域 F_p 上的密码学哈希函数，提出了一种名为 BenX 的新型置换（permutation）设计与哈希构造。研究背景是：在以零知识证明为代表的
#hardware-acceleration
共收录 11 条相关情报。
← 返回所有主题FASTAR: FRI Accelerator for Scalable Transparent ARguments of Knowledge
零知识证明（ZKP）允许证明者在不泄露底层秘密的前提下，向验证者密码学地证明某个陈述有效，是「可验证计算」的基础原语。当前 ZKP 技术栈正在经历一次根本性转向：以 Groth16 为代表的经典 zk-SNARK 依赖可信设置（truste
Locus: A Framework for Exploring and Optimizing Point Addition Hardware for Zero-Knowledge Proofs
该论文聚焦零知识证明（ZKP）在实际部署中面临的性能瓶颈问题。ZKP 是实现隐私保护计算与可验证计算的关键技术，但其底层密码学原语计算开销极高。椭圆曲线上的点加（Point Addition, PADD）正是其中最基础、被调用最频繁的原语之
OptiPrime: Optimizing Private Inference through Protocol-Hardware Co-design
该论文研究如何在混合同态加密（HE）与多方安全计算（MPC）框架下高效执行私有深度神经网络（DNN）推理。此类方案能对用户数据提供形式化隐私保证，但代价是 HE 带来的显著延迟开销。已有工作提出了定制化 HE 加速器，并针对单个 HE 算子
PixCrypt: Fast Fine-Grained FHE with Range-Aware Caching
该论文聚焦于「对加密数据做细粒度安全计算」这一长期难题。像素级图像（如肿瘤分割、异常检测）等细粒度数据要求每个像素都可参与运算并保持高精度，而现有隐私计算范式各有硬伤：多方安全计算（MPC）需要交互通信、延迟高；差分隐私（DP）只能保护聚合
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
Trusted Hardware Acceleration for Function Secret Sharing
函数秘密共享（FSS）是安全推理、私有信息检索（PIR）等隐私保护系统中的核心构建模块，但其在密钥生成、通信和数据移动方面开销显著。本文提出分布式函数加速器（DFA），一种针对FSS中主导原语——分布式点函数（DPF）生成与评估的硬件加速方
PIP-NTT: Towards a Scalable Memory-Parallelized Accelerator for Iterative NTT in PQC
该论文针对后量子密码（PQC）中迭代数论变换（NTT）加速器的可扩展性问题，提出了一种内存并行化策略和优化架构PIP-NTT。现有NTT加速器通常采用乒乓存储方案和与分圆环大小匹配的大容量存储器，导致效率受限。作者提出将n大小的存储器拆分为
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
Hyena: Balancing Packing, Reuse, and Rotations for Encrypted Inference.
本文提出 Hyena，一个针对同态加密（HE）下深度神经网络推理进行优化的硬件-软件协同框架。针对云服务中用户数据隐私保护需求，HE 允许在加密数据上直接计算，但计算和数据移动开销巨大。Hyena 采用混合 HE 与多方计算（MPC）方案，
ZK-Flex: A Flexible and Scalable Framework for Accelerating Zero-Knowledge Proofs
零知识证明（ZKP）允许证明者在不泄露私有数据的情况下向验证者证明计算正确性，兼顾隐私与可验证性。然而，证明生成过程计算密集，主要涉及多项式（POLY）和椭圆曲线（EC）运算。这两类工作负载对硬件加速提出两个关键挑战：高效支持多种大精度模乘