論文の概要: Encrypted Vector Similarity Computations Using Partially Homomorphic Encryption: Applications and Performance Analysis

• arxiv url: http://arxiv.org/abs/2503.05850v1
• Date: Fri, 07 Mar 2025 09:52:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:52:39.676438
• Title: Encrypted Vector Similarity Computations Using Partially Homomorphic Encryption: Applications and Performance Analysis
• Title（参考訳）: 部分同型暗号を用いた暗号化ベクトル類似性計算:応用と性能解析
• Authors: Sefik Serengil, Alper Ozpinar,
• Abstract要約: 部分同型暗号(PHE)を用いて暗号化されたコサイン類似性を計算可能であることを示す。 PHEは計算集約性が少なく、高速で、より小さな暗号文/鍵を生成する。 結果は、PHEがメモリ制限された環境と現実世界のプライバシー保護暗号化類似性検索に適していることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper explores the use of partially homomorphic encryption (PHE) for encrypted vector similarity search, with a focus on facial recognition and broader applications like reverse image search, recommendation engines, and large language models (LLMs). While fully homomorphic encryption (FHE) exists, we demonstrate that encrypted cosine similarity can be computed using PHE, offering a more practical alternative. Since PHE does not directly support cosine similarity, we propose a method that normalizes vectors in advance, enabling dot product calculations as a proxy. We also apply min-max normalization to handle negative dimension values. Experiments on the Labeled Faces in the Wild (LFW) dataset use DeepFace's FaceNet128d, FaceNet512d, and VGG-Face (4096d) models in a two-tower setup. Pre-encrypted embeddings are stored in one tower, while an edge device captures images, computes embeddings, and performs encrypted-plaintext dot products via additively homomorphic encryption. We implement this with LightPHE, evaluating Paillier, Damgard-Jurik, and Okamoto-Uchiyama schemes, excluding others due to performance or decryption complexity. Tests at 80-bit and 112-bit security (NIST-secure until 2030) compare PHE against FHE (via TenSEAL), analyzing encryption, decryption, operation time, cosine similarity loss, key/ciphertext sizes. Results show PHE is less computationally intensive, faster, and produces smaller ciphertexts/keys, making it well-suited for memory-constrained environments and real-world privacy-preserving encrypted similarity search.
• Abstract（参考訳）: 本稿では, 顔認識やリバースイメージ検索, 推薦エンジン, 大規模言語モデル (LLM) など, より広範なアプリケーションに焦点をあてて, 部分準同型暗号(PHE)を暗号化ベクトル類似性検索に適用することを検討する。 完全同型暗号(FHE)は存在するが、PHEを用いて暗号化されたコサイン類似性を計算できることを示し、より実用的な代替手段を提供する。 PHEはコサイン類似性を直接サポートしないので,事前にベクトルを正規化して,ドット積の計算をプロキシとして実現する手法を提案する。 また、負の次元値を扱うためにmin-max正規化を適用する。 LFW(Labeled Faces in the Wild)データセットの実験では、DeepFaceのFaceNet128d、FaceNet512d、VGG-Face(4096d)モデルを2towerセットアップで使用した。 暗号化済みの埋め込みは1つのタワーに格納され、エッジデバイスは画像をキャプチャし、埋め込みを計算し、追加の同型暗号化によって暗号化済みのドット製品を実行する。 We implement it with LightPHE, evaluation Paillier, Damgard-Jurik, and Okamoto-Uchiyama schemes, including others because performance or decryption complexity。 80ビットと112ビットのセキュリティテスト(2030年までNIST-Secure)は、(TenSEAL経由で)PHEとFHEを比較し、暗号化、復号化、操作時間、コサイン類似性損失、キー/暗号サイズを分析している。 その結果、PHEは計算集約性が少なく、より高速で、より小さな暗号文/キーを生成することが示され、メモリ制限された環境や現実世界のプライバシー保護暗号化類似性検索に適していることがわかった。

関連論文リスト

• A Note on Efficient Privacy-Preserving Similarity Search for Encrypted Vectors [1.3824176915623292]
  従来のベクトル類似性探索手法では、完全同型暗号(FHE)を用いて復号化せずに計算が可能であった。 この研究は、より効率的な代替手段を探究する: プライバシー保護類似性検索に加法的同型暗号(AHE)を使用する。 本稿では,AHE で暗号化された類似性探索のアルゴリズムを提案し,そのエラーの増大とセキュリティへの影響を解析する。
  論文  参考訳（メタデータ） (2025-02-20T06:07:04Z)
• 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)
• 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)
• Memorization for Good: Encryption with Autoregressive Language Models [8.645826579841692]
  自己回帰言語モデル(SELM)を用いた最初の対称暗号アルゴリズムを提案する。 自己回帰的LMは任意のデータをコンパクトな実数値ベクトル(すなわち暗号化)にエンコードし、ランダムな部分空間最適化とgreedy復号によってベクトルを元のメッセージ(すなわち復号)に無作為に復号できることを示す。
  論文  参考訳（メタデータ） (2023-05-15T05:42:34Z)
• 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)
• RiDDLE: Reversible and Diversified De-identification with Latent Encryptor [57.66174700276893]
  本研究は、Reversible and Diversified De-identification with Latent Encryptorの略であるRiDDLEを提示する。 事前に学習したStyleGAN2ジェネレータ上に構築されたRiDDLEは、潜伏空間内の顔のアイデンティティを暗号化して復号する。
  論文  参考訳（メタデータ） (2023-03-09T11:03:52Z)
• HEFT: Homomorphically Encrypted Fusion of Biometric Templates [20.10175446213924]
  完全同相暗号(FHE)を用いたバイオメトリックテンプレートの安全な融合とマッチングのための非インタラクティブ解を提案する。 HEFTと呼ばれるこの手法は、FHEが課すユニークな制約、すなわち非算術演算に対する計算サポートの欠如を克服するためにカスタム設計されている。 テンプレート融合実験により, HEFT (i) による生体認証性能の11.07%, AUROCの9.58%向上が確認された。
  論文  参考訳（メタデータ） (2022-08-15T14:55:08Z)
• 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)
• 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)
• HERS: Homomorphically Encrypted Representation Search [56.87295029135185]
  本稿では,暗号化ドメイン内の大規模ギャラリーに対して,プローブ(あるいはクエリ)画像表現を検索する手法を提案する。 我々の暗号方式は固定長表現の取得方法に従わないため、任意のアプリケーション領域における任意の固定長表現に適用できる。
  論文  参考訳（メタデータ） (2020-03-27T01:10:54Z)

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。