論文の概要: CryptOracle: A Modular Framework to Characterize Fully Homomorphic Encryption
- arxiv url: http://arxiv.org/abs/2510.03565v1
- Date: Fri, 03 Oct 2025 23:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.116505
- Title: CryptOracle: A Modular Framework to Characterize Fully Homomorphic Encryption
- Title（参考訳）: CryptOracle: 完全同型暗号化を特徴付けるモジュールフレームワーク
- Authors: Cory Brynds, Parker McLeod, Lauren Caccamise, Asmita Pal, Dewan Saiham, Sazadur Rahman, Joshua San Miguel, Di Wu,
- Abstract要約: 本稿では,FHE のオープンソースライブラリ OpenFHE の詳細な特徴について述べる。
我々は,(1)ベンチマークスイート,(2)ハードウェアプロファイラ,(3)予測性能モデルからなるモジュラー評価フレームワークであるCryptOracleを紹介する。
- 参考スコア（独自算出の注目度）: 3.5348336893819554
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Privacy-preserving machine learning has become an important long-term pursuit in this era of artificial intelligence (AI). Fully Homomorphic Encryption (FHE) is a uniquely promising solution, offering provable privacy and security guarantees. Unfortunately, computational cost is impeding its mass adoption. Modern solutions are up to six orders of magnitude slower than plaintext execution. Understanding and reducing this overhead is essential to the advancement of FHE, particularly as the underlying algorithms evolve rapidly. This paper presents a detailed characterization of OpenFHE, a comprehensive open-source library for FHE, with a particular focus on the CKKS scheme due to its significant potential for AI and machine learning applications. We introduce CryptOracle, a modular evaluation framework comprising (1) a benchmark suite, (2) a hardware profiler, and (3) a predictive performance model. The benchmark suite encompasses OpenFHE kernels at three abstraction levels: workloads, microbenchmarks, and primitives. The profiler is compatible with standard and user-specified security parameters. CryptOracle monitors application performance, captures microarchitectural events, and logs power and energy usage for AMD and Intel systems. These metrics are consumed by a modeling engine to estimate runtime and energy efficiency across different configuration scenarios, with error geomean of $-7.02\%\sim8.40\%$ for runtime and $-9.74\%\sim15.67\%$ for energy. CryptOracle is open source, fully modular, and serves as a shared platform to facilitate the collaborative advancements of applications, algorithms, software, and hardware in FHE. The CryptOracle code can be accessed at https://github.com/UnaryLab/CryptOracle.
- Abstract（参考訳）: プライバシ保護機械学習は、この人工知能(AI)の時代において、重要な長期的追求となっている。
FHE(Fully Homomorphic Encryption)は、プライバシーとセキュリティを保証するユニークなソリューションである。
残念ながら、計算コストは大量採用を妨げる。
現代のソリューションは、平文実行よりも最大6桁遅い。
このオーバーヘッドを理解して低減することは、特に基礎となるアルゴリズムが急速に進化するにつれて、FHEの発展に不可欠である。
本稿では,FHEのオープンソースライブラリであるOpenFHEの詳細な特徴について述べる。
我々は,(1)ベンチマークスイート,(2)ハードウェアプロファイラ,(3)予測性能モデルからなるモジュラー評価フレームワークであるCryptOracleを紹介する。
ベンチマークスイートには、ワークロード、マイクロベンチマーク、プリミティブという、OpenFHEカーネルの3つの抽象化レベルが含まれている。
プロファイラは、標準およびユーザ指定のセキュリティパラメータと互換性がある。
CryptOracleはアプリケーションのパフォーマンスを監視し、マイクロアーキテクチャイベントをキャプチャし、AMDとIntelシステムの電力とエネルギー使用量を記録している。
これらのメトリクスは、異なる構成シナリオのランタイムとエネルギー効率を推定するために、モデリングエンジンによって消費され、エラージオメアンは、実行時に$-7.02\%\sim8.40\%、エネルギーのために$-9.74\%\sim15.67\%である。
CryptOracleはオープンソースで、完全にモジュール化されており、FHEにおけるアプリケーション、アルゴリズム、ソフトウェア、ハードウェアの共同開発を促進するための共有プラットフォームとして機能している。
CryptOracleコードはhttps://github.com/UnaryLab/CryptOracleでアクセスできる。
関連論文リスト
- EFFACT: A Highly Efficient Full-Stack FHE Acceleration Platform [15.3973190088728]
EFFACTは、包括的な最適化とベクターフレンドリなハードウェアを提供するコンパイラを備えた、非常に効率的なフルスタックFHEアクセラレーションプラットフォームである。
EFFACTにはISAとコンパイラバックエンドがあり、CKKS、BGV、BFVなどのFHEスキームをサポートする。
論文 参考訳（メタデータ） (2025-04-22T12:01:20Z) - TFHE-Coder: Evaluating LLM-agentic Fully Homomorphic Encryption Code Generation [10.597643264309415]
TFHE (Homomorphic Encryption over the Torus) は、復号化せずにデータを暗号化する。
マシンラーニングのプライバシ保護、セキュアなマルチパーティ計算、プライベートブロックチェーントランザクション、セキュアな医療診断といった可能性にもかかわらず、暗号化の複雑さとユーザビリティの問題により、その採用は制限されている。
この研究は、TFHEコード生成の最初のベンチマークを確立し、ドメイン固有のフィードバックで拡張されたLLMが、FHEコード生成の専門的ギャップを埋める方法を示している。
論文 参考訳（メタデータ） (2025-03-15T17:57:44Z) - Nemesis: Noise-randomized Encryption with Modular Efficiency and Secure Integration in Machine Learning Systems [1.3824176915623292]
Nemesisは、正確さやセキュリティを損なうことなく、FHEベースの機械学習システムを高速化するフレームワークである。
我々は、標準的な暗号的仮定の下で、Nemesisのセキュリティを証明する。
その結果、NemesisはFHEベースのMLシステムの計算オーバーヘッドを大幅に削減することがわかった。
論文 参考訳（メタデータ） (2024-12-18T22:52:12Z) - LightPHE: Integrating Partially Homomorphic Encryption into Python with Extensive Cloud Environment Evaluations [0.0]
ホモモルフィック暗号化は、プライベートキーにアクセスせずに暗号化されたデータの計算を可能にし、クラウド環境のセキュリティを高める。
本稿では、Python用の軽量ハイブリッドPHEフレームワークであるLightPHEを紹介し、既存のPHEライブラリの欠如に対処する。
LightPHEは複数のPHEアルゴリズムをモジュール設計に統合し、高速なプロトタイピングとセキュアなアプリケーション開発のための堅牢性とユーザビリティを保証する。
論文 参考訳（メタデータ） (2024-07-25T12:23:31Z) - 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) - GME: GPU-based Microarchitectural Extensions to Accelerate Homomorphic Encryption [33.87964584665433]
ホモモルフィック暗号化(FHE)は、暗号化データを復号することなく処理することができる。
FHEは、平文データを使った同じ計算と比較して最大5桁のスローダウンを導入している。
本稿では,3つのキーとなるマイクロアーキテクチャ拡張と,現在のAMD CDNA GPUアーキテクチャへのコンパイル時間最適化を組み合わせたGMEを提案する。
論文 参考訳（メタデータ） (2023-09-20T01:50:43Z) - FusionAI: Decentralized Training and Deploying LLMs with Massive
Consumer-Level GPUs [57.12856172329322]
我々は、巨大な未使用のコンシューマレベルのGPUをアンロックする分散システムを構想する。
このシステムは、CPUとGPUメモリの制限、ネットワーク帯域幅の低さ、ピアとデバイスの多様性など、重要な課題に直面している。
論文 参考訳（メタデータ） (2023-09-03T13:27:56Z) - ALGO: Synthesizing Algorithmic Programs with LLM-Generated Oracle
Verifiers [60.6418431624873]
大きな言語モデル(LLM)は、機能記述からコードを実装するのに優れているが、アルゴリズムの問題に悩まされている。
我々は,アルゴリズムプログラムを LLM 生成 Oracle で合成するフレームワーク ALGO を提案し,その生成をガイドし,その正確性を検証する。
実験の結果,ALGOを装着すると,Codexモデルよりも8倍,CodeTよりも2.6倍の1サブミッションパス率が得られることがわかった。
論文 参考訳（メタデータ） (2023-05-24T00:10:15Z) - FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。
現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。
提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文 参考訳（メタデータ） (2021-03-08T03:09:37Z) - 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。