論文の概要: Hermes: High-Performance Homomorphically Encrypted Vector Databases

• arxiv url: http://arxiv.org/abs/2506.03308v2
• Date: Thu, 05 Jun 2025 08:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 14:14:43.180764
• Title: Hermes: High-Performance Homomorphically Encrypted Vector Databases
• Title（参考訳）: Hermes: ハイパフォーマンスな同型暗号化ベクターデータベース
• Authors: Dongfang Zhao,
• Abstract要約: FHE(Fully Homomorphic Encryption)は、機密コンテンツを明らかにすることなく、暗号化されたデータを計算できることを長年約束してきた。 数十年にわたる暗号の進歩にもかかわらず、実世界のリレーショナルデータベースへのFHEの実践的な統合はいまだ明白である。 本稿では,標準SQLエンジン内でFHEネイティブなベクトルクエリ処理を可能にする最初のシステムである textbfHermes を提案する。
• 参考スコア（独自算出の注目度）: 1.3824176915623292
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fully Homomorphic Encryption (FHE) has long promised the ability to compute over encrypted data without revealing sensitive contents -- a foundational goal for secure cloud analytics. Yet despite decades of cryptographic advances, practical integration of FHE into real-world relational databases remains elusive. This paper presents \textbf{Hermes}, the first system to enable FHE-native vector query processing inside a standard SQL engine. By leveraging the multi-slot capabilities of modern schemes, Hermes introduces a novel data model that packs multiple records per ciphertext and embeds encrypted auxiliary statistics (e.g., local sums) to support in-place updates and aggregation. To reconcile ciphertext immutability with record-level mutability, we develop new homomorphic algorithms based on slot masking, shifting, and rewriting. Hermes is implemented as native C++ loadable functions in MySQL using OpenFHE v1.2.4, comprising over 3,500 lines of code. Experiments on real-world datasets show up to 1{,}600$\times$ throughput gain in encryption and over 30$\times$ speedup in insertion compared to per-tuple baselines. Hermes brings FHE from cryptographic promise to practical reality -- realizing a long-standing vision at the intersection of databases and secure computation.
• Abstract（参考訳）: 完全なホモモルフィック暗号化(FHE)は、セキュアなクラウド分析の基本的な目標であるセンシティブなコンテンツを明らかにすることなく、暗号化されたデータを計算できることを長年約束してきた。 しかし、数十年にわたる暗号の進歩にもかかわらず、実世界のリレーショナルデータベースへのFHEの実践的な統合は、いまだ明白である。 本稿では、標準SQLエンジン内でFHEネイティブなベクトルクエリ処理を可能にする最初のシステムである「textbf{Hermes}」を提案する。 現代のスキームのマルチスロット機能を活用することで、Hermes氏は、暗号文毎に複数のレコードをパックし、暗号化された補助統計(例えば、ローカルの和)を組み込んで、インプレース更新とアグリゲーションをサポートする、新しいデータモデルを導入した。 そこで我々は, スロットマスキング, シフト, 書き換えに基づく新しい同型アルゴリズムを開発した。 Hermesは3500行以上のコードからなるOpenFHE v1.2.4を使ってMySQLのネイティブC++ロード可能な関数として実装されている。 実世界のデータセットの実験では、暗号化で1{,}600$\times$スループットが向上し、タプル単位のベースラインに比べて挿入で30$\times$スピードアップする。 Hermesは、暗号化の約束から現実にFHEをもたらす -- データベースの交差点における長年のビジョンを実現し、セキュアな計算を実現する。

関連論文リスト

• Compile-Time Fully Homomorphic Encryption of Vectors: Eliminating Online Encryption via Algebraic Basis Synthesis [1.3824176915623292]
  暗号文は、事前計算された暗号化ベースベクターとランタイムスケールの0の暗号化を組み合わせた構成である。 ランダム化された$mathbbZ_t$-加群として定式化し、標準仮定の下でIND-CPAセキュリティを満たすことを証明した。 ゼロのランダムな暗号のプールを必要とする以前の設計とは異なり、我々の構成は実行時に新しいスカラーによって乗算された1つのゼロ暗号文を用いて等価なセキュリティを実現する。
  論文  参考訳（メタデータ） (2025-05-19T00:05:18Z)
• The Beginner's Textbook for Fully Homomorphic Encryption [1.6679662639178265]
  FHE(Fully Homomorphic Encryption)は、暗号化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。 FHEは、サーバがクライアントのデータを暗号化形式でMLモデルで処理できるようにすることで、プライバシ保護機械学習を可能にする。 FHEの他のアプリケーションには、データ分析のセキュアなアウトソーシング、暗号化されたデータベースクエリ、プライバシー保護検索、デジタル署名のための効率的なマルチパーティなどがある。
  論文  参考訳（メタデータ） (2025-03-07T04:29:11Z)
• 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)
• HexaCoder: Secure Code Generation via Oracle-Guided Synthetic Training Data [60.75578581719921]
  大規模言語モデル(LLM)は、自動コード生成に大きな可能性を示している。 最近の研究は、多くのLLM生成コードが深刻なセキュリティ脆弱性を含んでいることを強調している。 我々は,LLMがセキュアなコードを生成する能力を高めるための新しいアプローチであるHexaCoderを紹介する。
  論文  参考訳（メタデータ） (2024-09-10T12:01:43Z)
• Parallel Decoding via Hidden Transfer for Lossless Large Language Model Acceleration [54.897493351694195]
  本稿では,複数連続するトークンを1つのフォワードパスで同時に復号する,新しい並列復号法,すなわちthithidden Transferを提案する。 加速度測定では,Medusa や Self-Speculative decoding など,単モデル加速技術よりも優れています。
  論文  参考訳（メタデータ） (2024-04-18T09:17:06Z)
• 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)
• Quantum copy-protection of compute-and-compare programs in the quantum random oracle model [48.94443749859216]
  計算・比較プログラム(Computer-and-compare program)として知られる回避関数のクラスに対する量子コピー保護スキームを導入する。 我々は,量子乱数オラクルモデル(QROM)において,完全悪意のある敵に対する非自明なセキュリティを実現することを証明した。 補完的な結果として、「セキュアソフトウェアリース」という,ソフトウェア保護の概念の弱さが示される。
  論文  参考訳（メタデータ） (2020-09-29T08:41:53Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)

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。