ReDASH：算术 garbled 电路中快速高效的扩展
密码学与安全
2025-06-18 v1
摘要
ReDASH 扩展了 Dash 的算术 garbled 电路，为 secure outsourced inference 提供更灵活和更高效的框架。通过引入基于广义模数系统基底扩展的新型 garbled scaling 小件，ReDASH 移除了 Dash 仅能按 2 的幂扩展的限制。这使得可以采用模数系统的模块基中的任意扩展因子，以实现量身定制的量化方案和更高效的模型评估。通过新的 量化机制，ReDASH 支持优化的模块基，可显著降低卷积神经网络推理期间算术运算的开销。ReDASH 在整体推理时间上较 Dash 实现了最高可达 33 倍的加速。尽管有这些改进，ReDASH 仍保留了算术 garbling 的稳健安全保证。通过提供性能提升和量化灵活性，ReDASH 扩展了 garbled 卷积神经网络推理的实用性。
引用
@article{arxiv.2506.14489,
title = {ReDASH: Fast and efficient Scaling in Arithmetic Garbled Circuits for Secure Outsourced Inference},
author = {Felix Maurer and Jonas Sander and Thomas Eisenbarth},
journal= {arXiv preprint arXiv:2506.14489},
year = {2025}
}