論文の概要: HEIR: A Universal Compiler for Homomorphic Encryption

• arxiv url: http://arxiv.org/abs/2508.11095v1
• Date: Thu, 14 Aug 2025 22:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-18 14:51:23.686868
• Title: HEIR: A Universal Compiler for Homomorphic Encryption
• Title（参考訳）: HEIR: 同型暗号化のためのユニバーサルコンパイラ
• Authors: Asra Ali, Jaeho Choi, Bryant Gipson, Shruthi Gorantala, Jeremy Kun, Wouter Legiest, Lawrence Lim, Alexander Viand, Meron Zerihun Demissie, Hongren Zheng,
• Abstract要約: Homomorphic Encryption Intermediate (HEIR) は、同型暗号化(HE)コンパイラを構築するための統一的なアプローチである。 HEIRはMLIRコンパイラフレームワーク上に構築されており、HE固有の抽象化レイヤを導入している。
• 参考スコア（独自算出の注目度）: 35.063396100901535
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This work presents Homomorphic Encryption Intermediate Representation (HEIR), a unified approach to building homomorphic encryption (HE) compilers. HEIR aims to support all mainstream techniques in homomorphic encryption, integrate with all major software libraries and hardware accelerators, and advance the field by providing a platform for research and benchmarking. Built on the MLIR compiler framework, HEIR introduces HE-specific abstraction layers at which existing optimizations and new research ideas may be easily implemented. Although many HE optimization techniques have been proposed, it remains difficult to combine or compare them effectively. HEIR provides a means to effectively explore the space of HE optimizations. HEIR addresses the entire HE stack and includes support for various frontends, including Python. The contribution of this work includes: (1) We introduce HEIR as a framework for building HE compilers. (2) We validate HEIR's design by porting a large fraction of the HE literature to HEIR, and we argue that HEIR can tackle more complicated and diverse programs than prior literature. (3) We provide evidence that HEIR is emerging as the de facto HE compiler for academic research and industry development.
• Abstract（参考訳）: この研究は、同型暗号化(HE)コンパイラを構築するための統一的なアプローチである、同型暗号化中間表現(HEIR)を提示する。 HEIRは、同型暗号化におけるすべての主流技術をサポートし、主要なソフトウェアライブラリやハードウェアアクセラレータと統合し、研究とベンチマークのためのプラットフォームを提供することで分野を前進させることを目的としている。 HEIRはMLIRコンパイラフレームワーク上に構築されており、HE固有の抽象化レイヤを導入している。 多くのHE最適化手法が提案されているが、それらを効果的に組み合わせたり比較することは困難である。 HEIRは、HE最適化の空間を効果的に探索する手段を提供する。 HEIRはHEスタック全体に対処し、Pythonを含むさまざまなフロントエンドをサポートする。 1) HEIRをHEコンパイラ構築のフレームワークとして導入する。 2) HEIRの文献の大部分をHEIRに移植することでHEIRの設計を検証し, HEIRは従来の文献よりも複雑で多様なプログラムに対処できると主張している。 (3)学術研究・産業開発における事実上のHEコンパイラとしてHEIRが出現している証拠を提供する。

関連論文リスト

• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• A Method for Efficient Heterogeneous Parallel Compilation: A Cryptography Case Study [8.06660833012594]
  本稿では,多様なハードウェアアーキテクチャにまたがるデータ管理と並列計算を最適化するために,ハイパーという新しいMLIRベースの方言を提案する。 HETOCompilerは,複数のハッシュアルゴリズムを実装し,不均一なシステム上での実行を可能にする,暗号に着目したコンパイラのプロトタイプである。
  論文  参考訳（メタデータ） (2024-07-12T15:12:51Z)
• FlashRAG: A Modular Toolkit for Efficient Retrieval-Augmented Generation Research [70.6584488911715]
  検索増強世代(RAG)は、かなりの研究関心を集めている。 既存のRAGツールキットは、しばしば重くて柔軟であり、研究者のカスタマイズのニーズを満たすことができない。 我々のツールキットは16の高度なRAGメソッドを実装し、38のベンチマークデータセットを収集し、整理した。
  論文  参考訳（メタデータ） (2024-05-22T12:12:40Z)
• Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
  大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。 LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。 各種コードライブラリの推論性能の粗大な解析を行う。
  論文  参考訳（メタデータ） (2024-04-17T15:57:50Z)
• Prompting Large Language Models to Tackle the Full Software Development Lifecycle: A Case Study [72.24266814625685]
  DevEvalでソフトウェア開発ライフサイクル全体にわたって、大きな言語モデル(LLM)のパフォーマンスを調査します。 DevEvalは4つのプログラミング言語、複数のドメイン、高品質なデータ収集、各タスクに対して慎重に設計および検証されたメトリクスを備えている。 GPT-4を含む現在のLLMは、DevEvalで提示される課題を解決できないことが実証研究によって示されている。
  論文  参考訳（メタデータ） (2024-03-13T15:13:44Z)
• Accelerating Edge AI with Morpher: An Integrated Design, Compilation and Simulation Framework for CGRAs [4.8302575552483535]
  Coarse-Grained Reconfigurable Arrays (CGRA)は、電力効率の高いエッジアクセラレータとして大きな可能性を秘めており、AIアプリケーション以外の汎用性を提供します。 Morpherは、CGRAの広大な設計空間を探索する、オープンソースのアーキテクチャ適応型CGRA設計フレームワークである。 この研究はMorpherの概要を提供し、AIアプリケーションカーネルをユーザが定義したCGRAアーキテクチャに自動的にコンパイルする機能を強調している。
  論文  参考訳（メタデータ） (2023-09-12T11:06:01Z)
• CompilerGym: Robust, Performant Compiler Optimization Environments for AI Research [26.06438868492976]
  コンパイラ最適化に人工知能(AI)技術を適用することへの関心は急速に高まっている。 しかし、コンパイラー研究は高い参入障壁を持っている。 実世界のコンパイラ最適化タスクのための環境セットであるCompilerGymを紹介する。 また、コンパイラ研究者に新しい最適化タスクを公開するツールキットも導入する。
  論文  参考訳（メタデータ） (2021-09-17T01:02:27Z)
• MLIR: A Compiler Infrastructure for the End of Moore's Law [14.795080852112083]
  MLIRは、ソフトウェアの断片化に対処し、異種ハードウェアのコンパイルを改善し、ドメイン固有のコンパイラを構築するコストを大幅に削減することを目的としている。 MLIRはコードジェネレータ、トランスレータ、トランスレータを様々な抽象化レベルで設計し実装する。
  論文  参考訳（メタデータ） (2020-02-25T17:24:50Z)

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。