論文の概要: Leveraging FPGAs for Homomorphic Matrix-Vector Multiplication in Oblivious Message Retrieval

• arxiv url: http://arxiv.org/abs/2512.11690v1
• Date: Fri, 12 Dec 2025 16:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.83717
• Title: Leveraging FPGAs for Homomorphic Matrix-Vector Multiplication in Oblivious Message Retrieval
• Title（参考訳）: メッセージ検索における同型行列ベクトル乗算のためのFPGAの活用
• Authors: Grant Bosworth, Keewoo Lee, Sunwoong Kim,
• Abstract要約: メタデータを保護するための最も有効なアプローチは、送信側が公開掲示板にメッセージを投稿し、受信側が関連するメッセージをスキャンすることです。 OMR(Oblivious Message Search)は、同型暗号化(HE)を活用して、リソース豊富なサーバにスキャンを委譲することで、このソリューションのユーザエクスペリエンスを向上させる。 本稿では,行列ベクトル乗算アルゴリズムを高速化するハードウェアアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 2.8190885435355857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While end-to-end encryption protects the content of messages, it does not secure metadata, which exposes sender and receiver information through traffic analysis. A plausible approach to protecting this metadata is to have senders post encrypted messages on a public bulletin board and receivers scan it for relevant messages. Oblivious message retrieval (OMR) leverages homomorphic encryption (HE) to improve user experience in this solution by delegating the scan to a resource-rich server while preserving privacy. A key process in OMR is the homomorphic detection of pertinent messages for the receiver from the bulletin board. It relies on a specialized matrix-vector multiplication algorithm, which involves extensive multiplications between ciphertext vectors and plaintext matrices, as well as homomorphic rotations. The computationally intensive nature of this process limits the practicality of OMR. To address this challenge, this paper proposes a hardware architecture to accelerate the matrix-vector multiplication algorithm. The building homomorphic operators in this algorithm are implemented using high-level synthesis, with design parameters for different parallelism levels. These operators are then deployed on a field-programmable gate array platform using an efficient design space exploration strategy to accelerate homomorphic matrix-vector multiplication. Compared to a software implementation, the proposed hardware accelerator achieves a 13.86x speedup.
• Abstract（参考訳）: エンドツーエンドの暗号化はメッセージの内容を保護するが、メタデータを保護せず、トラフィック分析を通じて送信者および受信者情報を公開している。 このメタデータを保護するための有効なアプローチは、送信側が公開掲示板に暗号化されたメッセージをポストし、受信側が関連するメッセージをスキャンすることである。 OMR(Oblivious Message Search)は、同型暗号化(HE)を活用して、プライバシを保持しながら、スキャンをリソース豊富なサーバに委譲することで、このソリューションのユーザエクスペリエンスを向上させる。 OMRにおける重要なプロセスは、掲示板からの受信者に対する関連するメッセージの同型検出である。 これは、暗号文ベクトルと平文行列の広範な乗算と、同型回転を含む特別な行列ベクトル乗算アルゴリズムに依存している。 このプロセスの計算集約性は、OMRの実用性を制限する。 そこで本研究では,行列ベクトル乗算アルゴリズムを高速化するハードウェアアーキテクチャを提案する。 このアルゴリズムにおける構造準同型作用素は、異なる並列性レベルの設計パラメータを持つ高レベル合成を用いて実装される。 これらの演算子は、同相行列ベクトル乗算を高速化する効率的な設計空間探索戦略を用いて、フィールドプログラマブルゲートアレイプラットフォーム上に展開される。 ソフトウェア実装と比較して、提案されたハードウェアアクセラレーターは13.86倍のスピードアップを達成する。

関連論文リスト

• Decryption Through Polynomial Ambiguity: Noise-Enhanced High-Memory Convolutional Codes for Post-Quantum Cryptography [0.0]
  本稿では,雑音強調高メモリ畳み込み符号の直接復号化を利用したポスト量子暗号への新しいアプローチを提案する。 提案手法は、構造攻撃を効果的に隠蔽し抵抗するランダムな発電機行列を生成する。
  論文  参考訳（メタデータ） (2025-12-02T14:30:03Z)
• 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)
• Fast Plaintext-Ciphertext Matrix Multiplication from Additively Homomorphic Encryption [0.0]
  平文-暗号行列乗法は、プライバシ保存計算において必須のツールである。 未パッケージ加法的同型暗号方式から効率的なPC-MMを提案する。 提案手法は, 比較的小さなビット幅を持つ大行列に対して, 最先端技術と比較して, 最大で1桁の高速化を実現する。
  論文  参考訳（メタデータ） (2025-04-20T05:28:46Z)
• New Permutation Decomposition Techniques for Efficient Homomorphic Permutation [33.30918602217202]
  ホモモルフィックな置換は、バッチエンコーディングのホモモルフィック暗号に基づくプライバシ保存計算の基礎となる。 本稿では、同型暗号に基づくプライバシー保護計算を進化させ、同型置換を最適化する新しい分解手法を提案する。 従来の分解範囲から逸脱するネットワーク構造を設計し、最小回転鍵条件で最大1.69タイムの高速化で最先端技術より優れる。
  論文  参考訳（メタデータ） (2024-10-29T08:07:22Z)
• 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)
• SegViTv2: Exploring Efficient and Continual Semantic Segmentation with Plain Vision Transformers [76.13755422671822]
  本稿では,エンコーダ・デコーダ・フレームワークを用いた意味的セグメンテーションのためのプレーンビジョン変換器(ViT)の能力について検討する。 Intention-to-Mask(atm)モジュールを導入し、平易なViTに有効な軽量デコーダを設計する。 我々のデコーダは、様々なViTバックボーンを使用して人気のあるデコーダUPerNetより優れ、計算コストの5%程度しか消費しない。
  論文  参考訳（メタデータ） (2023-06-09T22:29:56Z)
• Factorizers for Distributed Sparse Block Codes [45.29870215671697]
  分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。 我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。 CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-03-24T12:31:48Z)
• ConTextual Mask Auto-Encoder for Dense Passage Retrieval [49.49460769701308]
  CoT-MAEは,高密度経路抽出のための簡易かつ効果的な生成前訓練法である。 文のセマンティクスを高密度ベクトルに圧縮する学習は、自己教師付きおよび文脈教師付きマスキングによる自動エンコーディングによって行われる。 我々は,大規模経路探索ベンチマークの実験を行い,強力なベースラインよりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2022-08-16T11:17:22Z)

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。