面向科学计算的无损同态加密
密码学与安全
2023-09-15 v1
摘要
本文使用 CKKS（Cheon-Kim-Kim-Song）方案对加密计算进行了全面研究，重点关注多维向量运算与实际应用。通过两个精心设计的实验，该研究探讨了 CKKS 方案在高性能计算中的潜力及其对数据隐私与计算效率的影响。第一个实验揭示了 CKKS 在矩阵乘法上具有良好的适用性，在不同矩阵规模下欧几里得距离差异微小且均方误差近乎为零。第二个实验应用于野火数据集，说明了使用加密机器学习模型而不显著损失准确性的可行性。研究获得的见解为未来创新奠定了坚实基础，包括 TenSEAL 中 CKKS 计算进行 GPU 加速的潜力。文中还讨论了诸如噪声预算计算、乘法中的精度损失，以及 CKKS 背景下算术运算的独特特性等挑战。本文是理解加密计算的复杂性与潜力的重要一步，对各个科学领域的安全数据处理与隐私保护具有广泛意义。
引用
@article{arxiv.2309.07284,
title = {Toward Lossless Homomorphic Encryption for Scientific Computation},
author = {Muhammad Jahanzeb Khan and Bo Fang and Dongfang Zhao},
journal= {arXiv preprint arXiv:2309.07284},
year = {2023}
}