論文の概要: Multi-Input Ciphertext Multiplication for Homomorphic Encryption
- arxiv url: http://arxiv.org/abs/2601.15401v1
- Date: Wed, 21 Jan 2026 19:13:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-23 21:37:20.393171
- Title: Multi-Input Ciphertext Multiplication for Homomorphic Encryption
- Title（参考訳）: 均質暗号化のための多入力暗号文乗算法
- Authors: Sajjad Akherati, Xinmiao Zhang,
- Abstract要約: ホモモルフィック暗号化(HE)は、暗号化データ上で直接演算を行うことができる。
人気のあるHEスキームでは、暗号文の乗算は2つの入力に対してのみ定義される。
本稿では,3入力暗号文の乗算を改良し,計算の組合せを可能とし,複雑さをさらに軽減する。
- 参考スコア（独自算出の注目度）: 3.050919759387984
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Homomorphic encryption (HE) enables arithmetic operations to be performed directly on encrypted data. It is essential for privacy-preserving applications such as machine learning, medical diagnosis, and financial data analysis. In popular HE schemes, ciphertext multiplication is only defined for two inputs. However, the multiplication of multiple inputs is needed in many HE applications. In our previous work, a three-input ciphertext multiplication method for the CKKS HE scheme was developed. This paper first reformulates the three-input ciphertext multiplication to enable the combination of computations in order to further reduce the complexity. The second contribution is extending the multiplication to multiple inputs without compromising the noise overhead. Additional evaluation keys are introduced to achieve relinearization of polynomial multiplication results. To minimize the complexity of the large number of rescaling units in the multiplier, a theoretical analysis is developed to relocate the rescaling, and a multi-level rescaling approach is proposed to implement combined rescaling with complexity similar to that of a single rescaling unit. Guidelines and examples are provided on the input partition to enable the combination of more rescaling. Additionally, efficient hardware architectures are designed to implement our proposed multipliers. The improved three-input ciphertext multiplier reduces the logic area and latency by 15% and 50%, respectively, compared to the best prior design. For multipliers with more inputs, ranging from 4 to 12, the architectural analysis reveals 32% savings in area and 45% shorter latency, on average, compared to prior work.
- Abstract（参考訳）: ホモモルフィック暗号化(HE)は、暗号化データ上で直接演算を行うことができる。
機械学習、医療診断、財務データ分析などのプライバシー保護アプリケーションには不可欠である。
人気のあるHEスキームでは、暗号文の乗算は2つの入力に対してのみ定義される。
しかし、多くのHEアプリケーションでは多重入力の乗算が必要である。
前報では,CKKS HE方式の3入力暗号文乗算法を開発した。
本稿では,まず3入力暗号文の乗算を改良し,計算の組合せを可能とし,複雑さをさらに軽減する。
2つめのコントリビューションは、乗算を複数の入力に拡張することで、ノイズのオーバーヘッドを損なうことなく実現できることだ。
多項式乗算結果の再線形化を実現するために、追加評価キーを導入する。
乗算器における多くの再スケーリングユニットの複雑さを最小限に抑えるため、再スケーリングユニットを再配置するための理論的解析が開発され、単一再スケーリングユニットと同様の複雑さを伴う複合再スケーリングを実現するためのマルチレベル再スケーリング手法が提案されている。
さらなる再スケーリングを可能にするために、入力パーティションにガイドラインと例が提供されている。
さらに、提案した乗算器を実装するために、効率的なハードウェアアーキテクチャが設計されている。
改良された3入力暗号テキスト乗算器は、最も優れた設計と比較して、ロジック領域とレイテンシをそれぞれ15%と50%削減する。
4から12までのインプットを持つ乗算器では、アーキテクチャ解析により、領域の32%の節約と、平均して45%のレイテンシが前よりも短いことが分かる。
関連論文リスト
- Fast correlated decoding of transversal logical algorithms [67.01652927671279]
大規模計算には量子エラー補正(QEC)が必要であるが、かなりのリソースオーバーヘッドが発生する。
近年の進歩により、論理ゲートからなるアルゴリズムにおいて論理キュービットを共同で復号化することにより、症候群抽出ラウンドの数を削減できることが示されている。
ここでは、回路を介して伝播する関連する論理演算子製品を直接復号することで、回路の復号化の問題を修正する。
論文 参考訳（メタデータ） (2025-05-19T18:00:00Z) - Three-Input Ciphertext Multiplication for Homomorphic Encryption [6.390468088226496]
ホモモルフィック暗号化(HE)は、暗号文上で直接計算することができる。
HEは、ニューラルネットワーク推論、診断、財務データ分析など、プライバシ保護コンピューティングに不可欠である。
本稿では,計算の複雑さを低減するために,3入力暗号文の乗算を提案する。
論文 参考訳（メタデータ） (2024-10-17T13:40:49Z) - Efficient Homomorphically Encrypted Convolutional Neural Network Without Rotation [6.03124479597323]
本稿では, HE方式の安全性に影響を与えることなく, 暗号文の回転を除去する新しい構成法とフィルタ係数パッキング方式を提案する。
CIFAR-10/100データセット上のさまざまなプレーン20に対して、私たちの設計は、最高の事前設計と比較して、Conv層とFC層のランニング時間を15.5%削減し、クライアントとサーバ間の通信コストを50%以上削減します。
論文 参考訳（メタデータ） (2024-09-08T19:46:25Z) - Implementation of Entropically Secure Encryption: Securing Personal Health Data [0.704590071265998]
Entropically Secure Encryption (ESE) はOne-Time Padに短いキーで無条件のセキュリティを提供する。
バルク暗号のためのESEの実装について述べる。
論文 参考訳（メタデータ） (2024-04-04T12:07:33Z) - Efficient Encoder-Decoder Transformer Decoding for Decomposable Tasks [53.550782959908524]
エンコーダ・デコーダモデルのための新しい構成を導入し、構造化された出力と分解可能なタスクの効率を改善する。
提案手法は,インプットを一度エンコードして並列にデコードすることで,トレーニングと推論の効率を向上する。
論文 参考訳（メタデータ） (2024-03-19T19:27:23Z) - Low-Complexity Integer Divider Architecture for Homomorphic Encryption [5.857929080874288]
ホモモルフィック暗号化(HE)は、計算を直接暗号文で行うことができ、プライバシ保護のクラウドコンピューティングを可能にする。
余剰かつ活発な数学的証明を計算するアルゴリズムが提案されている。
論文 参考訳（メタデータ） (2024-01-19T23:53:59Z) - 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) - 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。