論文の概要: DNA-HHE: Dual-mode Near-network Accelerator for Hybrid Homomorphic Encryption on the Edge

• arxiv url: http://arxiv.org/abs/2512.18589v1
• Date: Sun, 21 Dec 2025 04:23:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.406353
• Title: DNA-HHE: Dual-mode Near-network Accelerator for Hybrid Homomorphic Encryption on the Edge
• Title（参考訳）: DNA-HHE:エッジ上でのハイブリッド同型暗号化のためのデュアルモードニアネットワーク加速器
• Authors: Yifan Zhao, Xinglong Yu, Yi Sun, Honglin Kuang, Jun Han,
• Abstract要約: 本稿では,エッジデバイスにニアネットワーク結合を有する最初のデュアルモードHHEアクセラレータであるDNA-HHEを提案する。 本稿では, DSP 効率のよいモジュラーリダクション設計, コンパクトなマルチフィールド適応バタフライユニット, および資源共有度の高いRubato の並列スケジューリング方式を提案する。 ASIC と FPGA プラットフォーム上での評価では,DNA-HHE はエッジ側 RNS-CKKS と対称暗号の両方で最先端の単一モード設計よりも高い性能を示し,計算レイテンシと面積効率が向上した。
• 参考スコア（独自算出の注目度）: 8.276154688000048
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fully homomorphic encryption (FHE) schemes like RNS-CKKS enable privacy-preserving outsourced computation (PPOC) but suffer from high computational latency and ciphertext expansion, especially on the resource-constrained edge side. Hybrid Homomorphic Encryption (HHE) mitigates these issues on the edge side by replacing HE with lightweight symmetric encryption for plaintext encryption, such as the Rubato cipher for the HHE variant of RNS-CKKS, yet it introduces transciphering overhead on the cloud. The respective strengths and limitations of FHE and HHE call for a dual-mode HHE solution with flexible algorithm switching ability. This paper presents DNA-HHE, the first dual-mode HHE accelerator with near-network coupling for edge devices. DNA-HHE supports both edge-side RNS-CKKS and Rubato within a unified architecture driven by flexible custom instructions. To realize a compact implementation for the edge side, we propose a DSP-efficient modular reduction design, a compact multi-field-adaptive butterfly unit, and parallel scheduling schemes of Rubato with a high degree of resource sharing. DNA-HHE is designed with network protocol packaging and transmission capacities and directly coupled to the network interface controller, achieving reduced overall latency of edge-side PPOC by 1.09$\times$ to 1.56$\times$. Our evaluations on the ASIC and FPGA platforms demonstrate that DNA-HHE outperforms the state-of-the-art single-mode designs in both edge-side RNS-CKKS and symmetric cipher with better computation latency and area efficiency, while offering dual-mode functionality.
• Abstract（参考訳）: RNS-CKKSのようなフルホモモルフィック暗号化(FHE)方式は、プライバシ保護のアウトソース計算(PPOC)を可能にするが、特にリソース制約のエッジ側では高い計算遅延と暗号拡張に悩まされる。 HHE(Hybrid Homomorphic Encryption)は、HEをRNS-CKKSのHHE変種であるRubato暗号のような、平文暗号化のための軽量な対称暗号に置き換えることで、これらの問題をエッジ側で緩和するが、クラウド上での暗号化オーバーヘッドを導入する。 FHEとHHEのそれぞれの長所と短所は、柔軟なアルゴリズム切替能力を持つ2モードのHHEソリューションである。 本稿では,エッジデバイスにニアネットワーク結合を有する最初のデュアルモードHHEアクセラレータであるDNA-HHEを提案する。 DNA-HHEは、柔軟なカスタム命令によって駆動される統一アーキテクチャにおいて、エッジサイドRSS-CKKSとRubatoの両方をサポートする。 エッジサイドのコンパクトな実装を実現するために, DSP 効率のよいモジュラーリダクション設計, コンパクトなマルチフィールド適応バタフライユニット, および資源共有度の高いルバトの並列スケジューリング方式を提案する。 DNA-HHEはネットワークプロトコルのパッケージングと送信能力で設計されており、ネットワークインターフェースコントローラに直接結合し、エッジ側PPOCの全体的なレイテンシを1.09$\times$から1.56$\times$に短縮する。 ASIC と FPGA プラットフォーム上での評価では,DNA-HHE はエッジ側 RNS-CKKS と対称暗号の両方で最先端の単一モード設計よりも高い性能を示し,計算レイテンシと面積効率が向上した。

関連論文リスト

• GSPN-2: Efficient Parallel Sequence Modeling [101.33780567131716]
  一般化空間伝搬ネットワーク(GSPN)は2次自己アテンションを直線走査型伝搬方式に置き換えることでこの問題に対処する。 GSPN-2は、視覚アプリケーションにおけるグローバル空間コンテキストをモデル化するための新しい効率フロンティアを確立する。
  論文  参考訳（メタデータ） (2025-11-28T07:26:45Z)
• HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge [4.623074730653607]
  プライバシ保護機械学習(PPML)は、信頼できない環境で機密データに対するセキュアな機械学習推論を処理するための、新たなトピックである。 完全同型暗号化(FHE)は、サーバ側の暗号化データ上で直接計算を可能にするが、クライアント側の重要な通信と計算オーバーヘッドを導入する。 HHEは、クライアント側の計算コストを削減するために、対称暗号(SE)とFHEを組み合わせることで、この制限に対処する。 本研究は、FHE互換に最適化された軽量対称暗号を中心に構築されたハードウェアアクセラレーションHHEアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-23T05:51:55Z)
• A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks [83.86388221738225]
  物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。 厳しい伝播環境では、キー生成率(KGR)が著しく低下する。 本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
  論文  参考訳（メタデータ） (2025-08-16T18:39:19Z)
• GDNTT: an Area-Efficient Parallel NTT Accelerator Using Glitch-Driven Near-Memory Computing and Reconfigurable 10T SRAM [14.319119105134309]
  本稿では、グリッチ駆動ニアメモリコンピューティング(GDNTT)を用いた領域効率の高い高並列NTT加速器を提案する。 この設計はデータストレージ用の10Tを統合し、柔軟な行/列のデータアクセスと合理化回路マッピング戦略を可能にする。 評価の結果,提案したNTTアクセラレーターは,最先端技術と比較して1.528*のスループット向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-05-13T01:53:07Z)
• Secure Federated XGBoost with CUDA-accelerated Homomorphic Encryption via NVIDIA FLARE [6.053716038605071]
  フェデレートラーニング(FL)は、分散データセット間の協調モデルトレーニングを可能にする。 NVIDIA FLAREのFederated XGBoostは、人気のあるXGBoostアルゴリズムを、垂直および水平の両方のフェデレーション設定に拡張する。 最初の実施は、中間統計の共有に関する相互信頼を前提としていた。 これらのリスクを軽減するための効率的なソリューションとして,セキュアフェデレーションXGBoostを紹介します。
  論文  参考訳（メタデータ） (2025-04-04T20:08:24Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
  我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。 NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
  論文  参考訳（メタデータ） (2024-02-13T12:12:39Z)
• LinGCN: Structural Linearized Graph Convolutional Network for Homomorphically Encrypted Inference [19.5669231249754]
  本稿では,乗算深度を低減し,HEに基づくGCN推論の性能を最適化するLinGCNを提案する。 注目すべきは、LinGCNはCryptoGCNと比較して14.2倍のレイテンシ向上を実現し、推論精度は75%、乗算深度は顕著に減少することである。
  論文  参考訳（メタデータ） (2023-09-25T17:56:54Z)
• Practical Conformer: Optimizing size, speed and flops of Conformer for on-Device and cloud ASR [67.63332492134332]
  我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。 提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
  論文  参考訳（メタデータ） (2023-03-31T23:30:48Z)
• SME: ReRAM-based Sparse-Multiplication-Engine to Squeeze-Out Bit Sparsity of Neural Network [18.79036546647254]
  我々はSparse-Multiplication-Engine(SME)という新しいReRAMベースのディープニューラルネットワーク(DNN)アクセラレータを開発した。 まず、ビットスパースパターンを編成し、既存の量子化法に基づいてビットスパース密度を増加させる。 第2に,重みのビットをクロスバーにスライスし,周辺回路の活性化結果をスプライシングする新しい重み付けマッピング機構を提案する。 第三に、上質な押出し方式は、以前の2つのステップから高度にスパースなノンゼロでマッピングされたクロスバーを空にする。
  論文  参考訳（メタデータ） (2021-03-02T13:27:15Z)

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。