論文の概要: SIMD-Aware Homomorphic Compression and Application to Private Database Query

• arxiv url: http://arxiv.org/abs/2408.17063v1
• Date: Fri, 30 Aug 2024 07:49:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-02 16:09:30.447469
• Title: SIMD-Aware Homomorphic Compression and Application to Private Database Query
• Title（参考訳）: SIMD対応同型圧縮とPrivate Database Queryへの応用
• Authors: Jung Hee Cheon, Keewoo Lee, Jai Hyun Park, Yongdong Yeo,
• Abstract要約: プライベートデータベースクエリスキーム(PDQ)では、サーバがデータベースを保持し、ユーザはクエリを送信して、クエリをプライベートにしながら、サーバから関心のあるレコードを検索する。 PDQプロトコルにおけるホモモルフィック暗号化の重要なステップは、クエリ結果からなるスパース暗号化ベクターを圧縮するホモモルフィック圧縮である。 PDQを主用途とする新しい同型圧縮方式を提案する。
• 参考スコア（独自算出の注目度）: 11.07170537925803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In a private database query scheme (PDQ), a server maintains a database, and users send queries to retrieve records of interest from the server while keeping their queries private. A crucial step in PDQ protocols based on homomorphic encryption is homomorphic compression, which compresses encrypted sparse vectors consisting of query results. In this work, we propose a new homomorphic compression scheme with PDQ as its main application. Unlike existing approaches, our scheme (i) can be efficiently implemented by fully exploiting homomorphic SIMD technique and (ii) enjoys both asymptotically optimal compression rate and asymptotically good decompression complexity. Experimental results show that our approach is 4.7x to 33.2x faster than the previous best results.
• Abstract（参考訳）: プライベートデータベースクエリスキーム(PDQ)では、サーバがデータベースを保持し、ユーザはクエリを送信して、クエリをプライベートにしながら、サーバから関心のあるレコードを検索する。 PDQプロトコルにおけるホモモルフィック暗号化の重要なステップは、クエリ結果からなる暗号化スパースベクトルを圧縮するホモモルフィック圧縮である。 本研究では,PDQを主用途とする新しい同型圧縮方式を提案する。 既存のアプローチとは異なり、我々の計画 (i)は、同型SIMD技術を完全に活用し、効率的に実装することができる。 (II)漸近的に最適な圧縮速度と漸近的に良い減圧複雑性の両方を享受する。 実験結果から,本手法は従来よりも4.7倍から33.2倍高速であることがわかった。

関連論文リスト

• HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [1.1701842638497677]
  Homomorphic OPE(Homomorphic OPE)は、クライアント側のストレージを排除し、クエリ実行中に追加のクライアントサーバ間のインタラクションを回避する新しいOPEスキームである。 我々は、広く受け入れられているIND-OCPAモデルの下で、HOPEの正式な暗号解析を行い、その安全性を証明した。
  論文  参考訳（メタデータ） (2024-11-26T00:38:46Z)
• Effective Instruction Parsing Plugin for Complex Logical Query Answering on Knowledge Graphs [51.33342412699939]
  知識グラフクエリ埋め込み(KGQE)は、不完全なKGに対する複雑な推論のために、低次元KG空間に一階論理(FOL)クエリを埋め込むことを目的としている。 近年の研究では、FOLクエリの論理的セマンティクスをよりよく捉えるために、さまざまな外部情報(エンティティタイプや関係コンテキストなど)を統合している。 コードのようなクエリ命令から遅延クエリパターンをキャプチャする効果的なクエリ命令解析(QIPP)を提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:18:52Z)
• A framework for compressing unstructured scientific data via serialization [2.5768995309704104]
  本稿では,非構造化科学データを局所接続で圧縮するための一般的な枠組みを提案する。 一般的な応用は任意の有限要素メッシュ上で定義されたシミュレーションデータである。 このフレームワークは、既存のデータ処理パイプラインへのシームレスな統合を可能にする、オリジナルのノードの順序変更を保存する、欲張りなトポロジを採用している。
  論文  参考訳（メタデータ） (2024-10-10T15:53:35Z)
• Enc2DB: A Hybrid and Adaptive Encrypted Query Processing Framework [47.11111145443189]
  本稿では,新しいセキュアデータベースシステムであるEnc2DBを紹介する。 本稿では,マイクロベンチマークテストと自己適応型モードスイッチ戦略を提案し,与えられたクエリに応答する最適な実行パス(暗号やTEE)を選択する。 また、クエリ処理を高速化するために、ネイティブコストモデルやクエリと互換性のある暗号文インデックスを設計、実装する。
  論文  参考訳（メタデータ） (2024-04-10T08:11:12Z)
• Improving the Worst-Case Bidirectional Communication Complexity for Nonconvex Distributed Optimization under Function Similarity [92.1840862558718]
  ダウンリンク圧縮のための新しい手法であるMARINA-Pを導入する。 置換圧縮機を用いたMARINA-Pは、作業者数に応じてサーバ間通信の複雑さを向上できることを示す。 本稿では,MARINA-Pとアップリンク圧縮とモーメントステップを組み合わせた手法であるM3を導入する。
  論文  参考訳（メタデータ） (2024-02-09T13:58:33Z)
• Extreme Compression of Large Language Models via Additive Quantization [59.3122859349777]
  我々のアルゴリズムは、AQLMと呼ばれ、情報検索のための古典的な加算量子化(AQ)アプローチを一般化する。 トークン生成のためのAQLMの高速GPUおよびCPU実装を提供しており、最適化されたFP16実装を高速にマッチングまたは性能良くすることができる。
  論文  参考訳（メタデータ） (2024-01-11T18:54:44Z)
• LeCo: Lightweight Compression via Learning Serial Correlations [9.108815508920882]
  軽量データ圧縮は、カラムストアが分析クエリのパフォーマンスを向上する鍵となる技術である。 本稿では,機械学習を用いて値列内のシリアル冗長性を自動的に除去するフレームワークであるLeCo(Learned Compression)を提案する。 我々は、Arrow列実行エンジンのデータ解析クエリで最大5.2倍のスピードで、RocksDBのスループットが16%向上するのを観察した。
  論文  参考訳（メタデータ） (2023-06-27T10:46:36Z)
• Learning Accurate Performance Predictors for Ultrafast Automated Model Compression [86.22294249097203]
  フレキシブルネットワーク展開のための超高速自動モデル圧縮フレームワークSeerNetを提案する。 本手法は,探索コストを大幅に削減した競合精度・複雑度トレードオフを実現する。
  論文  参考訳（メタデータ） (2023-04-13T10:52:49Z)
• HE is all you need: Compressing FHE Ciphertexts using Additive HE [29.043858170208875]
  ホモモルフィック暗号化(HE)は、プライバシ保護アプリケーションを構築するための一般的なツールである。 そこで本研究では,大規模な同型暗号文を圧縮するために,小さな暗号文を含む付加的同型暗号方式を用いた新しい圧縮手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T02:28:40Z)
• A Generic Network Compression Framework for Sequential Recommender Systems [71.81962915192022]
  シークエンシャルレコメンデーションシステム(SRS)は,ユーザの動的関心を捉え,高品質なレコメンデーションを生成する上で重要な技術となっている。 CpRecと呼ばれる圧縮されたシーケンシャルレコメンデーションフレームワークを提案する。 大規模なアブレーション研究により、提案したCpRecは実世界のSRSデータセットにおいて最大4$sim$8倍の圧縮速度を達成できることを示した。
  論文  参考訳（メタデータ） (2020-04-21T08:40:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。