論文の概要: The Mathematical Construction of the BFV Scheme

• arxiv url: http://arxiv.org/abs/2503.05136v2
• Date: Thu, 13 Mar 2025 15:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 12:09:04.804433
• Title: The Mathematical Construction of the BFV Scheme
• Title（参考訳）: BFVスキームの数学的構成
• Authors: Ronny Ko,
• Abstract要約: BFVスキームは整数の同型加法および乗法のために設計されている。 BFVは正確な暗号化と復号化を保証する。 このチュートリアル記事は、BFVが数学的レベルからどのように機能するかを理解するのに役立つように設計されている。
• 参考スコア（独自算出の注目度）: 1.6679662639178265
• License:
• Abstract: Fully Homomorphic Encryption (FHE) is a cryptographic scheme that enables computations to be performed directly on encrypted data, as if the data were in plaintext. BFV is one of the most popular FHE schemes. The BFV scheme is designed for homomorphic addition and multiplication of integers. BFV's encoding scheme does not require such approximation issues, because BFV is designed to encode only integers. Therefore, BFV guarantees exact encryption and decryption. BFV is suitable for use cases where the encrypted and decrypted values should exactly match (e.g., voting, financial computation), whereas CKKS is suitable for the use cases that tolerate tiny errors (e.g., data analytics, machine learning). In BFV, each plaintext is encrypted as an RLWE ciphertext. Therefore, BFV's ciphertext-to-ciphertext addition, ciphertext-to-plaintext addition, and ciphertext-to-plaintext multiplication are implemented based on GLWE's homomorphic addition and multiplication, with $k = 1$ to make GLWE an RLWE. This tutorial article is designed to help the reader understand how BFV works from the mathematical level.
• Abstract（参考訳）: 完全同型暗号化(英: Fully Homomorphic Encryption、FHE)は、平文のように暗号化されたデータ上で直接計算を行うことができる暗号方式である。 BFVは最も人気のあるFHE方式の一つである。 BFVスキームは整数の同型加法および乗法のために設計されている。 BFVは整数のみを符号化するように設計されているため、BFVの符号化方式はそのような近似問題を必要としない。 したがって、BFVは正確な暗号化と復号化を保証する。 BFVは暗号化および復号化された値が正確に一致すべきユースケース(例えば、投票、財務計算)に適しているが、CKKSは小さなエラー(例えば、データ分析、機械学習)を許容するユースケースに適している。 BFVでは、各平文はRLWE暗号文として暗号化される。 したがって、BFVの暗号文対暗号文加算、暗号文対平文加算、暗号文対平文乗算はGLWEの同型加算と乗算に基づいて実装され、GLWEをRLWEにするために$k = 1$となる。 このチュートリアル記事は、BFVが数学的レベルからどのように機能するかを理解するのに役立つように設計されている。

関連論文リスト

• Cryptanalysis on Lightweight Verifiable Homomorphic Encryption [7.059472280274008]
  Verible Homomorphic Encryption (VHE) は、暗号化技術の一種で、homocrypt Encryption (HE) と Verible Computation (VC) を統合している。 本稿では,暗号方式の同型性を利用した効率的な攻撃手法を提案する。
  論文  参考訳（メタデータ） (2025-02-18T08:13:10Z)
• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Hades: Homomorphic Augmented Decryption for Efficient Symbol-comparison -- A Database's Perspective [1.3824176915623292]
  本稿では,暗号化データの効率的かつセキュアな比較を可能にする新しい暗号フレームワークであるHADESを紹介する。 Ring Learning with Errors (RLWE)問題に基づいて、HADESはCPAセキュリティを提供し、周波数分析攻撃を軽減するために摂動認識暗号化を組み込んでいる。
  論文  参考訳（メタデータ） (2024-12-28T02:47:14Z)
• Feature Homomorphism -- A Cryptographic Scheme For Data Verification Under Ciphertext-Only Conditions [0.0]
  本稿では、新しいタイプの準同型:特徴準同型を提案する。 この機能に基づいて、暗号文のみの条件下でのデータ検証のための暗号スキームを導入する。 提案手法は,本論文で概説した要件を満たすアルゴリズム群を設計することを含む。
  論文  参考訳（メタデータ） (2024-10-22T15:30:24Z)
• FoC: Figure out the Cryptographic Functions in Stripped Binaries with LLMs [54.27040631527217]
  削除されたバイナリの暗号関数を抽出するFoCと呼ばれる新しいフレームワークを提案する。 まず、自然言語における暗号関数のセマンティクスを要約するために、バイナリ大言語モデル(FoC-BinLLM)を構築した。 次に、FoC-BinLLM上にバイナリコード類似モデル(FoC-Sim)を構築し、変更に敏感な表現を作成し、データベース内の未知の暗号関数の類似実装を検索する。
  論文  参考訳（メタデータ） (2024-03-27T09:45:33Z)
• Estimating the Decoding Failure Rate of Binary Regular Codes Using Iterative Decoding [84.0257274213152]
  並列ビットフリップデコーダのDFRを高精度に推定する手法を提案する。 本研究は,本症候群のモデル化およびシミュレーションによる重み比較,第1イテレーション終了時の誤りビット分布の誤検出,復号化復号化率(DFR)について検証した。
  論文  参考訳（メタデータ） (2024-01-30T11:40:24Z)
• GPT-4 Is Too Smart To Be Safe: Stealthy Chat with LLMs via Cipher [85.18213923151717]
  実験により、いくつかの安全領域において、GPT-4の安全性アライメントをバイパスするために、ある暗号がほぼ100%の時間で成功することが示された。 本稿では,ロールプレイのみを使用し,自然言語によるいくつかの実演を行い,これを誘発する新しいSelfCipherを提案する。
  論文  参考訳（メタデータ） (2023-08-12T04:05:57Z)
• Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
  ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。 我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
  論文  参考訳（メタデータ） (2023-03-15T15:00:20Z)
• 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)
• Efficient Batch Homomorphic Encryption for Vertically Federated XGBoost [9.442606239058806]
  本稿では,広範に使用されているXGBoostモデルを,垂直連合学習環境に適用する際の効率問題について検討する。 本稿では,暗号関連および伝送のコストをほぼ半分に削減する,新しいバッチ同型暗号法を提案する。
  論文  参考訳（メタデータ） (2021-12-08T12:41:01Z)
• FFConv: Fast Factorized Neural Network Inference on Encrypted Data [9.868787266501036]
  本稿では、畳み込みと暗号文のパッキングを統一するFFConvと呼ばれる低ランク分解法を提案する。 先行技術であるLoLaとFalconと比較して,提案手法は,それぞれ最大87%,12%の遅延を減少させる。
  論文  参考訳（メタデータ） (2021-02-06T03:10:13Z)

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。