論文の概要: Private Iris Recognition with High-Performance FHE

• arxiv url: http://arxiv.org/abs/2601.17561v1
• Date: Sat, 24 Jan 2026 19:16:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:07.923429
• Title: Private Iris Recognition with High-Performance FHE
• Title（参考訳）: 高速FHEを用いたプライベートアイリス認識
• Authors: Jincheol Ha, Guillaume Hanrot, Taeyeong Noh, Jung Hee Cheon, Jung Woo Kim, Damien Stehlé,
• Abstract要約: Bloemenらは、World ID設定のための2-out-of-3 Secret-Sharing Multiparty Computation (SS-MPC)に基づくソリューションを記述している。 彼らのソリューションは、$32$のユーザと$222$のアイリスコードのデータベースを、$approx 2$sで一致させることができる。 本研究では,Threshold Fully Homomorphic Encryption (ThFHE) を同じタスクに使用する方法について検討する。
• 参考スコア（独自算出の注目度）: 13.4370619453002
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Among biometric verification systems, irises stand out because they offer high accuracy even in large-scale databases. For example, the World ID project aims to provide authentication to all humans via iris recognition, with millions already registered. Storing such biometric data raises privacy concerns, which can be addressed using privacy-enhancing techniques. Bloemen et al. describe a solution based on 2-out-of-3 Secret-Sharing Multiparty Computation (SS-MPC), for the World ID setup. In terms of security, unless an adversary corrupts 2~servers, the iris codes remain confidential and nothing leaks beyond the result of the computation. Their solution is able to match~$32$ users against a database of~$2^{22}$ iris codes in~$\approx 2$s , using~24 H100 GPUs, more than 40~communication rounds and $81$GB/party of data transferred (the timing assumes a network speed above~3Tb/s). In the present work, we explore the use of Threshold Fully Homomorphic Encryption (ThFHE) for the same task. The ThFHE solution brings a number of security advantages: no trusted setup, the encrypted database and queries can be public, the secret can be distributed among many parties, and active security can be added without significant performance degradation. Our proof-of-concept implementation of the computation phase handles $32$~eyes against a database of $7\cdot 2^{14}$ iris codes in~$\approx 1.8$s ($\approx 0.33s$ for 4 eyes against the same database), using 8 RTX-5090 GPUs. To this, one should add~2 to 3 rounds of communication (depending on deployment choice). We perform the matching using the CKKS (Th)FHE scheme. Our main technical ingredients are the use of recent progress on FHE-based linear algebra boosted using int8 GPU operations, and the introduction of a technique reducing the number of ciphertexts to be processed as early as possible.
• Abstract（参考訳）: 生体認証システムでは、大規模なデータベースでも高い精度を提供するため、アイライズが顕著である。 例えば、World IDプロジェクトは、数百万人がすでに登録している虹彩認識を通じて、すべての人間に認証を提供することを目的としている。 このようなバイオメトリックデータの収集はプライバシー上の懸念を生じさせ、プライバシーの強化技術を使って対処することができる。 Bloemenらは、World IDセットアップのための2-out-of-3 Secret-Sharing Multiparty Computation (SS-MPC)に基づくソリューションについて説明している。 セキュリティ面では、敵が2~サーバを破損しない限り、アイリスコードは秘密のままであり、計算結果以外は漏れない。 それらのソリューションは、-$32$ユーザと、-$2^{22}$アイリスコードのデータベース(-$\approx 2$s)とのマッチングが可能で、-24 H100 GPU、40~通信ラウンド以上、データ転送1パーティあたり811$GBである(タイミングは、ネットワーク速度を~3Tb/sと仮定する)。 本研究は,Threshold Fully Homomorphic Encryption (ThFHE) の同一タスクへの応用について検討する。 ThFHEソリューションには、信頼できるセットアップがなく、暗号化されたデータベースとクエリを公開でき、シークレットは多くのパーティに分散でき、アクティブなセキュリティはパフォーマンスの大幅な劣化なしに追加できる。 計算フェーズの概念実証実装は、RTX-5090 GPUを8つ使用して、$$$\approx 1.8$s($\approx 0.33s$)のデータベースに対して$32$〜eyesを処理します。 そのためには、(デプロイメントの選択によらず)コミュニケーションを3ラウンドから2ラウンド追加する必要がある。 CKKS (Th)FHEスキームを用いてマッチングを行う。 主な技術要素は、Int8 GPU演算を用いて強化されたFHEベースの線形代数の最近の進歩と、できるだけ早く処理すべき暗号文数を減らす技術の導入である。

関連論文リスト

• CAT: A GPU-Accelerated FHE Framework with Its Application to High-Precision Private Dataset Query [0.51795041186793]
  本稿では,オープンソースGPUアクセラレーションによる完全同型暗号(FHE)フレームワークCATを紹介する。 emphCATは、コア数学の基礎、事前計算された要素と複合操作のブリッジ、FHE演算子のAPIアクセス可能なレイヤという3層アーキテクチャを備えている。 本フレームワークでは,CKKS,BFV,BGVの3種類のFHEスキームを実装した。
  論文  参考訳（メタデータ） (2025-03-28T08:20:18Z)
• Cryptanalysis on Lightweight Verifiable Homomorphic Encryption [8.478323897416617]
  Verible Homomorphic Encryption (VHE) は、正則暗号 (HE) と検証計算 (VC) を統合する暗号技術である。 これは、アウトソース計算におけるプライバシと整合性の両方を保証するための重要な技術として機能する。 本稿では,暗号方式の同型性を利用した効率的な攻撃手法を提案する。
  論文  参考訳（メタデータ） (2025-02-18T08:13:10Z)
• HashAttention: Semantic Sparsity for Faster Inference [95.31739930718116]
  本稿では,HashAttention,framing pivotal token Identificationを推薦問題として紹介する。 トークン1個あたり32ビットの補助メモリしか必要とせず、最小品質の損失を最小限に抑えられるため、最大16タイムで使用されるトークンを削減できる。 A100 GPUでは、HashAttentionを組み込むことで、GPT-FASTで4.3times$、FlashDecodeで2.54times$、GPT-FASTで最大3.12times$高スループットを実現している。
  論文  参考訳（メタデータ） (2024-12-19T02:34:15Z)
• BioDeepHash: Mapping Biometrics into a Stable Code [3.467070674182551]
  ディープハッシュと暗号ハッシュに基づくBioDeepHashというフレームワークを提案する。 我々のフレームワークは、元の生体データの一部を漏洩させるようなデータを保存しない。
  論文  参考訳（メタデータ） (2024-08-07T11:37:02Z)
• Large-Scale MPC: Scaling Private Iris Code Uniqueness Checks to Millions of Users [2.0540398980002594]
  生体認証システムは通常、機密データのサーバ側処理を必要とする。 我々は、与えられたIris Codeが与えられたデータベースに含まれるものと似ているかどうかを問合せできるソリューションを設計します。 すべてのクエリとデータセットは、セキュアなマルチパーティ計算を使用して保護されている。
  論文  参考訳（メタデータ） (2024-05-07T16:29:11Z)
• SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
  本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。 実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
  論文  参考訳（メタデータ） (2023-09-27T05:19:32Z)
• Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
  ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。 我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
  論文  参考訳（メタデータ） (2023-03-15T15:00:20Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)
• 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。