論文の概要: Side Channel Analysis in Homomorphic Encryption
- arxiv url: http://arxiv.org/abs/2505.11058v1
- Date: Fri, 16 May 2025 09:56:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-19 14:36:14.57048
- Title: Side Channel Analysis in Homomorphic Encryption
- Title（参考訳）: ホモモルフィック暗号におけるサイドチャネル解析
- Authors: Baraq Ghaleb, William J Buchanan,
- Abstract要約: ホモモルフィック暗号化は、プライバシーに配慮した処理の多くの機会を提供する。
既存の暗号手法は、過去にサイドチャネル攻撃の影響を受けやすいことが示されている。
本稿では, サイドチャネル解析に関連するFHE実装の弱点について概説する。
- 参考スコア（独自算出の注目度）: 0.46040036610482665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Homomorphic encryption provides many opportunities for privacy-aware processing, including with methods related to machine learning. Many of our existing cryptographic methods have been shown in the past to be susceptible to side channel attacks. With these, the implementation of the cryptographic methods can reveal information about the private keys used, the result, or even the original plaintext. An example of this includes the processing of the RSA exponent using the Montgomery method, and where 0's and 1's differ in their processing time for modular exponentiation. With FHE, we typically use lattice methods, and which can have particular problems in their implementation in relation to side channel leakage. This paper aims to outline a range of weaknesses within FHE implementations as related to side channel analysis. It outlines a categorization for side-channel analysis, some case studies, and mitigation strategies.
- Abstract（参考訳）: ホモモルフィック暗号化は、機械学習に関連するメソッドを含む、プライバシに配慮した処理の多くの機会を提供する。
既存の暗号手法の多くは、過去にサイドチャネル攻撃の影響を受けやすいことが示されている。
これにより、暗号化手法の実装は、使用される秘密鍵、結果、さらには元の平文に関する情報を明らかにすることができる。
この例として、モンゴメリー法によるRSA指数の処理があり、モジュラー指数の処理時間に0と1が異なる。
FHEでは、格子法が一般的であり、サイドチャネルのリークに関して、その実装に特別な問題を引き起こす可能性がある。
本稿では, サイドチャネル解析に関連するFHE実装の弱点について概説する。
サイドチャネル分析、いくつかのケーススタディ、緩和戦略の分類について概説する。
関連論文リスト
- Provably Secure Public-Key Steganography Based on Admissible Encoding [66.38591467056939]
一見無害な秘密文の中に秘密メッセージを隠蔽する技術は、Proprovably secure steganography (PSS)として知られている。
PSSは対称鍵ステガノグラフィーから公開鍵ステガノグラフィーへと進化し、事前共有鍵の必要なしに機能する。
本稿では,許容エンコーディングに基づくより一般的な楕円曲線公開鍵ステガノグラフィ法を提案する。
論文 参考訳（メタデータ） (2025-04-28T03:42:25Z) - Identifying Obfuscated Code through Graph-Based Semantic Analysis of Binary Code [5.181058136007981]
本稿では,グラフを用いた機能レベルの難読化検出の問題について検討する。
様々な難読化型と難読化剤を考慮し、2つの複雑なデータセットを生成する。
提案手法は,特に難易度の高い11クラス分類タスクや,実用的なマルウェア解析の例において,良好な結果を示す。
論文 参考訳（メタデータ） (2025-04-02T08:36:27Z) - Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。
これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。
本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
論文 参考訳（メタデータ） (2025-01-25T04:53:36Z) - Modeling Linear and Non-linear Layers: An MILP Approach Towards Finding Differential and Impossible Differential Propagations [1.5327660568487471]
本稿では,暗号内での差動伝播と不可能伝播を探索する自動ツールを提案する。
このツールは、Lilliput、GIFT64、SKINNY64、Klein、M.IBSの5つの軽量ブロック暗号に適用できる。
論文 参考訳（メタデータ） (2024-05-01T10:48:23Z) - FoC: Figure out the Cryptographic Functions in Stripped Binaries with LLMs [51.898805184427545]
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) - Using Topological Data Analysis to classify Encrypted Bits [0.0]
永続ホモロジーを適用して、暗号化の集合から得られる点雲の位相的特徴を生成する。
この機械学習パイプラインは、従来の機械学習モデルがそのタスクを実行できない場合に、データをうまく分類することができる。
論文 参考訳（メタデータ） (2023-01-18T09:43:00Z) - Malware Traffic Classification: Evaluation of Algorithms and an
Automated Ground-truth Generation Pipeline [8.779666771357029]
地中構造データを生成するための自動パケットデータラベリングパイプラインを提案する。
この観測可能なメタデータから抽出された、ユニークで多様な機能のセットを利用する、さまざまな種類のクラスタリングアプローチを探索し、テストする。
論文 参考訳（メタデータ） (2020-10-22T11:48:51Z) - Overcoming the curse of dimensionality with Laplacian regularization in
semi-supervised learning [80.20302993614594]
ラプラシア正規化の欠点を克服するための統計的解析を提供する。
望ましい振る舞いを示すスペクトルフィルタリング法を多数発表する。
我々は,本手法を大量のデータで利用できるようにするために,現実的な計算ガイドラインを提供する。
論文 参考訳（メタデータ） (2020-09-09T14:28:54Z)
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。