論文の概要: Teaching an Old Dog New Tricks: Verifiable FHE Using Commodity Hardware

• arxiv url: http://arxiv.org/abs/2412.03550v1
• Date: Wed, 04 Dec 2024 18:47:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:06:18.894926
• Title: Teaching an Old Dog New Tricks: Verifiable FHE Using Commodity Hardware
• Title（参考訳）: 古い犬に新しいトリックを教える:コモディティ・ハードウェアを使った検証可能なFHE
• Authors: Jules Drean, Fisher Jepsen, Edward Suh, Srini Devadas, Aamer Jaleel, Gururaj Saileshwar,
• Abstract要約: Argosは、信頼できるハードウェアを使用した完全同型暗号化スキームに検証可能性を追加するための単純なアプローチである。 Argosは専用のハードウェア拡張を必要とせず、2008年以降はコモディティプロセッサでサポートされている。
• 参考スコア（独自算出の注目度）: 4.8964380125993685
• License:
• Abstract: We present Argos, a simple approach for adding verifiability to fully homomorphic encryption (FHE) schemes using trusted hardware. Traditional approaches to verifiable FHE require expensive cryptographic proofs, which incur an overhead of up to seven orders of magnitude on top of FHE, making them impractical. With Argos, we show that trusted hardware can be securely used to provide verifiability for FHE computations, with minimal overhead relative to the baseline FHE computation. An important contribution of Argos is showing that the major security pitfall associated with trusted hardware, microarchitectural side channels, can be completely mitigated by excluding any secrets from the CPU and the memory hierarchy. This is made possible by focusing on building a platform that only enforces program and data integrity and not confidentiality (which is sufficient for verifiable FHE, since all data remain encrypted at all times). All secrets related to the attestation mechanism are kept in a separate coprocessor (e.g., a TPM) inaccessible to any software-based attacker. Relying on a discrete TPM typically incurs significant performance overhead, which is why (insecure) software-based TPMs are used in practice. As a second contribution, we show that for FHE applications, the attestation protocol can be adapted to only incur a fixed cost. Argos requires no dedicated hardware extensions and is supported on commodity processors from 2008 onward. Our prototype implementation introduces 6% overhead to the FHE evaluation, and 8% for more complex protocols. In particular, we show that Argos can be adapted for real-world applications of FHE, such as PIR and PSI. By demonstrating how to combine cryptography with trusted hardware, Argos paves the way for widespread deployment of FHE-based protocols beyond the semi-honest setting, without the overhead of cryptographic proofs.
• Abstract（参考訳）: 本稿では,完全同型暗号 (FHE) スキームに信頼性のあるハードウェアを用いた検証性を追加するための簡単なアプローチであるArgosを提案する。 FHEの検証には高価な暗号証明が必要で、FHEの上に最大7桁のオーバヘッドを発生させるため、現実的ではない。 Argosでは、FHE計算に対して信頼性の高いハードウェアを安全に使用し、ベースラインのFHE計算と比較して最小限のオーバーヘッドで検証可能であることを示す。 Argosの重要な貢献は、信頼できるハードウェア、マイクロアーキテクチャサイドチャネルに関連する大きなセキュリティ落とし穴が、CPUとメモリ階層からの秘密を除外することで、完全に軽減できることである。 これは、プログラムとデータの完全性のみを強制し、機密性(すべてのデータが常に暗号化されているため、検証可能なFHEに十分である)を強制するプラットフォームを構築することに集中することで実現される。 証明機構に関連するすべての秘密は、ソフトウェアベースの攻撃者にはアクセスできない独立したコプロセッサ(例えばTPM)に保持される。 個別のTPMを頼りにすると、パフォーマンス上の大きなオーバーヘッドが発生するため、ソフトウェアベースのTPMが実際に使用されるのは、(安全でない)ためです。 第2のコントリビューションとして、FHEアプリケーションでは、検証プロトコルは固定コストのみに適応可能であることを示す。 Argosは専用のハードウェア拡張を必要とせず、2008年以降はコモディティプロセッサでサポートされている。 プロトタイプ実装では、FHE評価に6%のオーバヘッドを導入し、さらに複雑なプロトコルでは8%のオーバヘッドを実現した。 特に,PIR や PSI などの実世界の FHE の応用に Argos が適用可能であることを示す。 暗号化と信頼できるハードウェアを組み合わせる方法を示すことで、Argosは暗号証明のオーバーヘッドを伴わずに、半正直な設定を越えてFHEベースのプロトコルを広く展開する道を開いた。

関連論文リスト

• Research Directions for Verifiable Crypto-Physically Secure TEEs [0.0]
  Web3アプリケーションは、ハードウェアベースのTEEの信頼できる保護者として機能するために、クラウドのインフラに依存する必要があります。 この研究は、物理的な攻撃に対してセキュアなチップを設計して実装する方法を模索することを目的としています。
  論文  参考訳（メタデータ） (2024-10-04T06:47:14Z)
• NTTSuite: Number Theoretic Transform Benchmarks for Accelerating Encrypted Computation [2.704681057324485]
  ホモモルフィック暗号(homomorphic encryption, HE)は、暗号化されたデータを直接計算できる暗号システムである。 HEは、非常に高い計算オーバーヘッドのため、ほとんど採用されていない。 我々はNTTSuiteというベンチマークスイートを開発し、研究者がこれらのオーバーヘッドに対処できるようにした。 我々の実装は最先端の技術を30%上回っている。
  論文  参考訳（メタデータ） (2024-05-18T17:44:17Z)
• HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
  信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。 低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。 私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
  論文  参考訳（メタデータ） (2024-01-17T00:56:23Z)
• SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
  本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。 実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
  論文  参考訳（メタデータ） (2023-09-27T05:19:32Z)
• Towards Fast and Scalable Private Inference [2.2702420046035865]
  プライバシ保護(PPC)と呼ばれる新しいコンピューティングパラダイムが存在する。 PPC技術は、セキュアなアウトソース計算や、2つのパーティがユーザーの秘密データを公開せずに計算できるように活用することができる。 デジタル時代においてユーザー保護に革命をもたらすという驚くべき可能性にもかかわらず、その実現は計算量、通信量、ストレージのオーバーヘッドによって制限されてきた。
  論文  参考訳（メタデータ） (2023-07-09T00:55:30Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)
• Building Your Own Trusted Execution Environments Using FPGA [16.206300249987354]
  BYOTee(Build Your Own Trusted Execution Environments)は、複数のセキュアなエンクレーブを構築するための、使いやすいインフラである。 BYOTeeは、FPGAの要求に応じて、ソフトコアCPU、ブロックRAM、周辺接続を含むカスタマイズされたハードウェアTCBでエンクレーブを作成する。
  論文  参考訳（メタデータ） (2022-03-08T17:22:52Z)
• Quantum Proofs of Deletion for Learning with Errors [91.3755431537592]
  完全同型暗号方式として, 完全同型暗号方式を初めて構築する。 我々の主要な技術要素は、量子証明器が古典的検証器に量子状態の形でのLearning with Errors分布からのサンプルが削除されたことを納得させる対話的プロトコルである。
  論文  参考訳（メタデータ） (2022-03-03T10:07:32Z)
• Accelerating 2PC-based ML with Limited Trusted Hardware [7.080903507706396]
  Otakは、2つの非凝固クラウドプロバイダが推論の入力を知らずに機械学習(ML)推論を実行できるようにするシステムである。 Otakは、関数やホモモルフィックなシークレット共有といった最近のプリミティブをML推論にカスタマイズする新しい2PCプロトコルを通じて効率を向上する。
  論文  参考訳（メタデータ） (2020-09-11T17:53:13Z)
• FCOS: A simple and strong anchor-free object detector [111.87691210818194]
  物体検出を画素ごとの予測方式で解くために, 完全畳み込み型一段物検出器 (FCOS) を提案する。 RetinaNet、SSD、YOLOv3、Faster R-CNNといった最先端のオブジェクト検出器のほとんどは、事前に定義されたアンカーボックスに依存している。 対照的に、提案した検出器FCOSはアンカーボックスフリーであり、提案はフリーである。
  論文  参考訳（メタデータ） (2020-06-14T01:03:39Z)

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。