Federated Learning Architecture: Data Privacy and System Security Approaches
该研究针对联邦学习（FL）系统中的数据隐私与安全性问题，提出了一种结合同态加密（HE）和差分隐私（DP）的架构。联邦学习允许数据保留在本地设备上，避免了集中式数据收集，但模型更新过程中仍可能泄露敏感信息。同态加密使得在加密数据上直接进行计算
#homomorphic-encryption
共收录 79 条相关情报。
← 返回所有主题Degree-Constrained Interval Optimization for Minimax Polynomial Approximation in Homomorphic Encryption
本文研究同态加密（HE）环境下，使用多项式逼近非线性激活函数时，逼近区间选择与近似误差之间的权衡问题。在HE中，运算仅限于加法和乘法，因此非多项式激活函数必须用多项式近似。Minimax近似（如Remez算法）能最小化给定区间内的最大逼近误
NARAD: Non-colluding Aggregator-oblivious Record-And-Decrypt
本文提出了一种名为 NARAD（Non-colluding Aggregator-oblivious Record-And-Decrypt）的电子投票架构，旨在在不依赖可信密钥分发中心的前提下，同时保护投票隐私并允许公开验证。每位投票者在浏
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
Fast Amortized Bootstrapping with Small Keys and Polynomial Noise Overhead.
该论文提出了一种快速摊销自举（amortized bootstrapping）方法，用于同态加密（FHE）方案，旨在实现小密钥尺寸和多项式噪声开销。传统的FHE方案通常利用SIMD（单指令多数据）技术并行处理多个消息，但其安全性依赖于超多项
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
Tutorial-HEPack4ML '23: Advanced HE Packing Methods with Applications to ML.
该论文是一篇关于高级同态加密（HE）打包方法的教程，重点探讨如何将这些方法应用于机器学习领域。同态加密允许在加密数据上直接进行计算，但因其密文膨胀和计算复杂度高，实际应用受限。密文打包（packing）技术通过将多个明文值编码到单个密文中，
SlicedPIR: Offloading Heavyweight Work with NTT.
该论文提出了SlicedPIR，一种分布式私有信息检索（PIR）协议。传统PIR协议中，服务器需要承担繁重的同态加密计算，导致性能瓶颈。SlicedPIR通过将服务器计算负载卸载到多个不可信的客户端机器上，有效缓解了这一瓶颈。与以往工作相比
Transversal Difference Numbers in Finite Abelian Quotients
该论文研究有限阿贝尔商群的横向差数（transversal difference number）δ(G,H)，定义为对于有限阿贝尔群H≤G，所有横截T⊆G（即G/H的一个陪集代表系）的差集D(T)=T-T的最小基数。该不变量与有限阿贝尔分解
Reliable Homomorphic Matching for Fuzzy Labeled PSI at Scale
本文研究了模糊标签私有集合交集（FLPSI）协议中的可靠性问题。FLPSI允许接收方学习与查询相似的已注册记录的标签，而不会泄露其他信息。现有基于集合阈值归约的构造通过一个内部集合阈值内核来委托私有匹配，但该内核在同态形式下（结合层级BFV
SortingHat: Efficient Private Decision Tree Evaluation via Homomorphic Encryption and Transciphering.
本文提出SortingHat，一种高效的私有决策树评估（PDTE）方案，利用同态加密（HE）和转译（transciphering）技术，解决现有PDTE方案在通信复杂度和计算效率上的瓶颈。传统方法中，客户端需对每个决策节点发送加密查询，导致
Hybrid privacy-aware semantic search: SVD-truncated document geometry and CKKS-encrypted query reranking under a restricted threat model
本文研究了一种混合隐私保护的语义搜索方案，旨在解决稠密向量嵌入在向量数据库泄露时面临的嵌入-反演攻击（即从向量重构原始文本）问题。传统的防御手段存在两个极端：完全同态加密虽然安全性强，但在百万级文档规模下延迟过高；而添加隐私噪声会在保护效果
General Techniques for Reducing Key-Switching Overhead in Privacy-Preserving Two-Party Transformer Inference
本文针对安全两方Transformer推理中的密钥切换（key-switching）开销问题展开研究。在现有的隐私保护方案中，线性层通常通过全同态加密（FHE）进行明文-密文或密文-密文矩阵乘法计算，而密钥切换操作主要发生在这些乘法中，并成
Homomorphic Encryptions for Privacy Preserving Vision
本文研究了在全同态加密（FHE）框架下实现隐私保护的计算机视觉推理任务。由于法律限制（如医疗或财务数据），组织无法直接向第三方云ML服务共享敏感数据，这阻碍了云ML服务的应用。作者利用全同态加密技术，允许在加密数据上直接进行加法和乘法运算，
HADES: Privacy-Preserving Federated Learning via Selective Feature Encryption and Hybrid Model Fusion
在联邦学习（FL）中，隐私保护训练面临计算开销与安全性之间的权衡。现有全加密方案（如同态加密）虽能保护数据，但计算成本过高，难以部署。本文提出HADES框架，一种选择性特征加密与混合模型融合的隐私保护联邦学习方法。核心思想是：并非加密所有数
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
bioETH-Beacon: A Confidential On-Chain Genomic Beacon with Encrypted Counts, Filters, and Bounded Noise over a Fully Homomorphic EVM
论文 bioETH-Beacon 提出了一种基于全同态以太坊虚拟机（fhEVM）的机密基因信标协议，旨在解决 GA4GH Beacon 协议中存在的隐私风险。现有 Beacon 协议允许研究人员查询某个基因组变异是否在参与队列中被观察到，并
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，
FEnc$^2$: Unifying Data Packing for Efficient Private Inference via Convolution and Architecture-Aware Fragment Encoding
本文针对基于全同态加密（FHE）的隐私保护机器学习推理中存在的计算和内存开销问题展开研究。现有密文打包策略通常仅保持邻近数据元素或特征分组中的一种，导致密文槽利用率低、旋转操作过多、密文数量膨胀，严重制约了推理效率。为此，作者提出了一种统一