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 属于适度同态加密（SWHE），支持无限次加法运算和一次密文乘法，理论上可以桥接 PHE 与 FHE 之间的性能与能力鸿沟。然而，由于缺乏易用的软件实现，BGN 在实际系统中的采用率一直很低。为此，作者将 BGN 集成到 Python 的 lightphe 框架中，使得用户仅需几行代码即可部署该方案，并基于此开展系统性比较实验。论文在 80 位、112 位和 128 位安全级别下，对加密的 128 维向量运算进行了基准测试，对比对象包括 Paillier、Damgard-Jurik、Okamoto-Uchiyama 等 PHE 方案，以及基于 TenSEAL 的 CKKS FHE 方案。实验结果显示了一个计算与通信之间的权衡：由于双线性对运算，BGN 的计算速度慢于 PHE 和采用 SIMD 优化的 FHE，但其公钥尺寸仅有 3-6 KB，比 FHE 小最多五个数量级。更重要的是，BGN 在完成一次乘法后可以实现无限制的同态聚合，从而支持线性回归推理、余弦相似度和平方欧氏距离等复杂任务。论文还发现，仅需优化到 2 位小数的精度，BGN 加密计算结果就能与明文排序基准匹配，从而解决了目标群离散对数解密瓶颈。作者已将完整流程开源到 lightphe 框架中，表明 BGN 是一种适用于带宽受限、去中心化架构的实用引擎。本文的贡献在于：首次在统一框架内对 BGN 与多种 PHE/FHE 方案进行公平比较，验证了其实际可用性，并提供了可复现的软件实现，为隐私保护数据分析场景中的方案选型提供了重要参考。

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式近似因子的格问题的难度，这是一种较强的假设。另一方面，一些轻量级FHE方案具有更快的自举速度，但不支持SIMD，且其安全性仅基于低阶多项式近似因子的格问题，这是一种更弱的假设。为了兼顾两者的优点，Micciancio和Sorrell（ICALP'18）提出了一种摊销自举方法，可以同时处理多个消息，使得每个消息的复杂度达到亚线性，并允许基于多项式近似因子的格问题构建FHE。本文在此基础上进一步优化，实现了更小的密钥和多项式噪声开销，从而在保持安全性的同时提升了效率。实验表明，该方法在密钥尺寸和噪声管理方面具有优势，适用于需要高效同态加密的场景。该研究对于密码学理论特别是同态加密的实际应用具有重要意义。

本文提出了一个简单、高效的恶意安全多方隐私集合交集（MP-PSI）协议。在多方场景中，每个参与方持有自己的私密数据集，所有参与方共同计算所有集合的交集，且除了交集外不泄露任何额外信息。现有的多方PSI协议通常复杂、通信开销大，且大多仅在半诚实安全模型下证明安全性。本文在恶意安全模型下（最多允许N-1个参与方合谋）构造了一个MP-PSI协议，其核心思想是将多方PSI规约到一系列两方PSI实例，并利用不经意伪随机函数（OPRF）和一种新颖的哈希技术来实现高效性。具体地，协议包括两个阶段：第一阶段，一个被选中的“领导者”参与方与每个其他参与方运行两方PSI，但为了抵御恶意行为，引入了额外的检查机制；第二阶段，利用“分层哈希”将元素映射到不同的桶中，从而减少比较次数。与现有工作相比，本文协议的计算开销与输入集合大小的平方成正比，且通信复杂度几乎最优。实验结果表明，对于不同数量参与方和集合大小，协议运行时间显著优于先前方案，例如在5个参与方、每个集合大小为2^16时，仅需几秒即可完成。该工作为恶意安全多方PSI的实际应用提供了可行方案。

本文提出 MPClan 协议套件，旨在解决隐私保护计算中的安全多方计算（MPC）效率与灵活性不足的问题。MPClan 是一个模块化、可组合的协议框架，支持半诚实、恶意以及 covert 等多种安全模型，并适用于不同的网络假设（如诚实多数、 dishonest 多数）。该套件基于秘密共享和混淆电路等经典 MPC 原语，通过优化通信轮数和计算开销，实现了比现有方案更高效的在线阶段性能。核心贡献包括：1）提出了一种新的预处理技术，可显著降低离线阶段的开销；2）设计了一组可插拔的协议组件，允许用户根据需求选择安全模型和性能权衡；3）在多个基准数据集上进行了实验评估，证明 MPClan 在吞吐量和延迟方面优于同类系统如 EMP-toolkit 和 ABY 2.0。对于安全从业者，该研究展示了 MPC 在实际部署中的可行性提升，尤其适用于金融、医疗等需保护输入数据隐私的联合计算场景。读者可从中了解当前 MPC 协议设计的最新进展以及模块化架构如何降低定制化隐私计算方案的门槛。

本文针对秘密共享（secret shared）数据库表上的 SQL 类 join 操作，提出了新型协议。以往方法要么要求参与 join 的键必须唯一，要么具有二次开销。本文的工作消除了这一限制，允许参与 join 的一方或双方秘密共享输入表包含未知且无界数量的重复键，同时实现高效通信/计算（O(n log n)）以及轮数（O(log n)），且开销与键的重数无关。核心方法基于聚合树（aggregation trees）结构，通过巧妙的编码和秘密共享技术，在多方计算环境中安全地完成 join 操作。实验表明该协议在理论和实际性能上均优于此前方案。本文主要贡献在于：1) 提出了首个支持非唯一键且具有准线性复杂度的秘密共享 join 协议；2) 实现了与键重数无关的通信轮次；3) 为安全数据库查询中的复杂算子提供了基础构建。适合对安全多方计算、隐私保护数据库查询感兴趣的研究者和工程师阅读。

本文提出了一种突破性的对称全同态加密（FHE）方案，旨在解决传统FHE方案中计算开销大和噪声管理复杂的核心瓶颈。现有FHE方案通常基于非对称或层次式结构，乘法操作会导致噪声指数级增长，需要昂贵的自举（bootstrapping）过程来重置噪声，严重影响性能。作者从模块化加密基础c = mk + rp出发（其中m为明文，k为密钥，r为随机数，p为公共参数），该结构天然支持加法同态，但乘法时密钥k的指数会迅速积累。为此，论文引入了一种明文碎片化与动态位置移位（Dynamic Position Shifting）机制：将明文划分为多个片段，分别放置在不同的逻辑位置上，从而在乘法操作中利用位置差异来避免密钥指数直接相乘。核心创新在于双调节系统：指数调节器（t_i）将片段乘积的指数重定向到新的目标位置，从而阻止密钥指数累积；系数调节器（d_i）对结果标量进行归一化，确保结果正确性。安全方面，论文设计了指数与系数之间的相互依赖绑定机制，使得攻击者难以通过代数操作或替换攻击恢复密钥。实验部分（若存在）预期证明了该方案在同等安全强度下显著降低了计算复杂度，并实现了无需自举的乘法运算。该工作为高效对称FHE的设计提供了全新的理论框架，尤其适用于对安全性要求较高的云计算、数据隐私保护等场景。由于仅基于摘要，具体实验细节和性能数据尚待详细评估。

本文针对同态加密（HE）在实际处理-内存（PIM）系统上的运行特性进行了全面分析。同态加密允许对密文直接计算，为不可信计算环境提供强隐私保障，但其高计算复杂度、大密文尺寸和大量数据移动限制了实际部署。传统的处理器中心架构（CPU、GPU、ASIC）在处理HE工作负载时面临根本性瓶颈，因为密文大、数据局部性低，且重线性化和自举等操作频繁访问大型辅助元数据。处理-内存（PIM）技术通过在内存附近或内部进行计算，有望缓解这些瓶颈。然而，先前针对HE的PIM方案要么未针对真实PIM系统，要么只覆盖狭窄操作集。本文在真实的通用PIM系统UPMEM上实现了新兴应用（数据库、机器学习）所需的完整HE内核集，评估了性能和可扩展性，并与CPU和GPU基线进行了对比，讨论了对未来PIM硬件的影响。研究发现了四个主要结论：（1）基于HE的应用在不同执行阶段表现出不同瓶颈：某些内核因模运算成为计算密集型，另一些因大密文和中间数据成为内存密集型。这些瓶颈因有限的核心计算能力和存储体容量而加剧，导致频繁的数据移动。（2）主要的计算瓶颈是缺乏原生的64位模整数乘法，这是HE的关键原语。（3）有限的存储体内存容量是第二大瓶颈，因为HE密文和辅助元数据无法容纳，需要跨存储体移动。（4）尽管存在这些限制，当配备原生模乘和高效的PIM间数据移动时，PIM可以成为最先进CPU和GPU系统的可行替代方案。本文通过真实系统测量揭示了HE在PIM上的性能特征，为未来PIM硬件设计提供了重要指导。