本论文研究的是在加密二进制嵌入（binary embeddings）场景下，如何高效完成汉明距离（Hamming distance）计算的问题。背景是：加法同态加密（此处采用 Paillier 体制）允许把计算外包给不可信的服务器，从而在隐私保护前提下进行向量相似度比较；但 Paillier 依赖大整数运算与频繁的数据搬运，导致吞吐量成为瓶颈，尤其在需要对海量二进制嵌入做批量比对时更为明显。 作者提出的方案是一个 Paillier 客户端实现，集成了多项工程与算法优化：(1) 进位分离的二进制编码（carry-separated binary encoding），用于在加密域中正确处理位运算产生的进位，作者给出了该编码的正确性证明；(2) 基于查表（table-based）的加密方式，用预计算表替代重复的模幂运算；(3) 缩减指数的解密（reduced-exponent decryption），降低解密侧的大整数运算量；(4) 基于 CUDA 与 CGBN 大整数库的 GPU 算术实现；(5) 持久化设备状态（persistent device state），避免在批量请求间反复做上下文初始化；(6) 与批量检索流程的集成。作者刻画并对比了四种 CPU 与 GPU 客户端配置，其中查表配置使用 280 比特的指数规模参数。 实验部分对 512 比特随机嵌入、每批 10,000 条、共 3 次预热状态（warm-state）的试验进行测量：查表 GPU 配置的中位批次吞吐达到 43,091 次加密/秒与 28,983 次汉明距离解码/秒；均摊到单向量为 0.0232 毫秒（加密）与 0.0345 毫秒（解码），相对实测 CPU 基线分别提升约 453.8 倍与 200.9 倍。 论文的核心贡献在于验证了一条工程路径：把密码学预计算、批量化的加速器执行与持久化运行时状态结合起来，可以显著提升同态加密检索的吞吐。作者同时明确区分了“预热批量吞吐”与“单次请求延迟”两种指标，并指出初始化、数据传输与检索集成仍是尚未消除的剩余开销——这一点对真实部署评估尤为关键，因为实际系统往往受限于冷启动延迟与网络搬运，而非峰值批量吞吐。

本文研究在有限域 F_q 上把矩阵乘法外包给单一（不可信）服务器时，采用秩不超过 r 的加性掩码能提供多强的统计隐私。针对独立均匀的 n×n 输入矩阵，作者证明两类自然采样方式——均匀 rank-ball 掩码，以及独立均匀因子的乘积——对服务器的完整视图（complete server view）所能达到的最大相关保密性（maximal-correlation secrecy）上界为 q^{-r}，而编码与解码各只需 O(n²r) 次有限域运算，开销与秩和矩阵规模成线性关系。该保密性指标量化的是服务器在观测到掩码后的输出后，仍能在多大程度上有效估计输入的任意函数。随后作者给出了与上界渐进匹配的下界：当 r=o(n) 时，上述两种采样方法在所有“输入无关、秩至多 r”的加性掩码中是渐进最优的，即便允许使用秘密的可逆变换（即额外的线性预处理）也无法突破。论文还刻画了均匀 rank-ball 掩码在任意联合输入分布下的后验分布，并在独立均匀输入下证明了针对矩阵行与列的近似个体安全性（approximate individual security）。最后给出一个负面结论：对于固定域大小 q 和有界 ε，任何输入无关、秩 r=o(n) 的加性掩码在条目级 (ε,δ)-差分隐私意义下都必须满足 δ→1，即无法提供有实际意义的条目级 DP 保证。整体上，论文用信息论方法给出了单服务器外包矩阵乘法中低秩掩码的保密性上界、可达性与最优性边界，并明确了加性掩码与差分隐私之间的根本张力。适合从事隐私计算、安全外包、信息论安全与密文计算的研究者与架构师阅读。

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开销——尤以引导（bootstrapping）过程中反复执行的快速傅里叶变换（FFT）为核心瓶颈，严重制约了实际可用性。传统电子加速器受制于工艺缩放放缓与“存储墙”瓶颈，难以把 FFT 吞吐提升到足以支撑实用 TFHE 的程度。为此，作者提出 PHAT——面向 TFHE 的光子加速器，其核心是光寻址相变存储器（Optically-addressed Phase-Change Memory, OPCM）。基于 OPCM 的存内计算（PIM）体系在计算与通信吞吐上具备天然优势，与 TFHE 中的大规模 FFT 高度契合，但直接把 FFT 映射到 OPCM 会面临两个难题：模拟域高精度计算的可实现性，以及 OPCM 单元编程带来的高时延与高能耗。论文通过一套新颖的电-光混合加速器架构应对上述挑战，包含三部分设计：(1) 基于 OPCM 的 FFT 计算单元；(2) 为 OPCM 特性定制的 twiddle-stationary（旋转因子驻留）数据流，减少数据搬运与重复编程；(3) 调度机制，以最大化 FFT 单元利用率。实验表明，在四个真实 TFHE 工作负载上，PHAT 相对当前最先进的 ASIC 加速器取得 2.14×–5.10× 的加速。该工作显著提升了 TFHE 应用的性能上限，为云端高效、实用的同态加密计算提供了新的硬件路径。适合关注密码学硬件加速、存内计算/光子计算、以及隐私计算基础设施的读者。

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）是主要性能瓶颈之一。近期密码学进展提出了一种新的密钥切换方法 KLSS，它降低了部分运算复杂度，但对计算精度的要求高于传统的混合密钥切换方法 HKS。这一取舍使两种方法在计算量与访存需求上呈现明显差异，因此 KLSS 与 HKS 的相对时延高度依赖于硬件并行度、FHE 安全参数以及片上存储容量——在 FPGA 平台上尤为突出，因为 FPGA 的存储资源与并行度必须精细权衡。为此，作者首先提出一种访存高效的 KLSS 数据通路，消除了片外密文搬运；随后构建性能模型，对 KLSS 与 HKS 的开销进行建模与对比分析，分析表明在 FHE 计算过程中，同时支持两种方法的自适应方案比静态单一方法的总体时延更低。基于该性能模型的指导，作者设计了一款自适应 FPGA FHE 加速器，能够在计算过程中动态选择 HKS 或 KLSS。该加速器在 Alveo U280 上实现，并在多个 FHE 基准上评测，结果显示：相比当前最先进的 FPGA 加速器，自举（bootstrapping）时延加速 1.84–3.31 倍，安全图像分类加速 1.66–2.52 倍。论文属于体系结构与密码硬件加速方向，适合关注隐私计算、FHE 硬件实现、FPGA 架构与同态加密工程化的研究者与工程师阅读。

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 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。