論文の概要: mmFHE: mmWave Sensing with End-to-End Fully Homomorphic Encryption

• arxiv url: http://arxiv.org/abs/2603.22437v1
• Date: Mon, 23 Mar 2026 18:09:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.133013
• Title: mmFHE: mmWave Sensing with End-to-End Fully Homomorphic Encryption
• Title（参考訳）: mmFHE:完全同型暗号化によるmm波センシング
• Authors: Tanvir Ahmed, Yixuan Gao, Adnan Armouti, Rajalakshmi Nandakumar,
• Abstract要約: mmFHEは、完全な同相暗号(FHE)をエンド・ツー・エンドのmmWaveレーダーセンシングに利用するための最初のシステムである。 mmFHEは、軽量エッジデバイス上で生のレンジプロファイルを暗号化し、信頼できないクラウド上で、mmWave信号処理とML推論パイプライン全体を実行する。
• 参考スコア（独自算出の注目度）: 17.64915325308135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present mmFHE, the first system that enables fully homomorphic encryption (FHE) for end-to-end mmWave radar sensing. mmFHE encrypts raw range profiles on a lightweight edge device and executes the entire mmWave signal-processing and ML inference pipeline homomorphically on an untrusted cloud that operates exclusively on ciphertexts. At the core of mmFHE is a library of seven composable, data-oblivious FHE kernels that replace standard DSP routines with fixed arithmetic circuits. These kernels can be flexibly composed into different application-specific pipelines. We demonstrate this approach on two representative tasks: vital-sign monitoring and gesture recognition. We formally prove two cryptographic guarantees for any pipeline assembled from this library: input privacy, the cloud learns nothing about the sensor data; and data obliviousness, the execution trace is identical on the cloud regardless of the data being processed. These guarantees effectively neutralize various supervised and unsupervised privacy attacks on raw data, including re-identification and data-dependent privacy leakage. Evaluation on three public radar datasets (270 vital-sign recordings, 600 gesture trials) shows that encryption introduces negligible error: HR/RR MAE <10^-3 bpm versus plaintext, and 84.5% gesture accuracy (vs. 84.7% plaintext) with end-to-end cloud GPU latency of 103s for a 10s vital-sign window and 37s for a 3s gesture window. These results show that privacy-preserving end-to-end mmWave sensing is feasible on commodity hardware today.
• Abstract（参考訳）: エンド・ツー・エンドmm波レーダセンシングのための完全同相暗号(FHE)を実現する最初のシステムであるmmFHEを提案する。 mmFHEは、軽量エッジデバイス上で生のレンジプロファイルを暗号化し、暗号文のみで動作する信頼できないクラウド上で、mmWave信号処理とML推論パイプライン全体を実行する。 mmFHEの中核は7つの構成可能なデータ公開FHEカーネルのライブラリで、標準的なDSPルーチンを固定演算回路で置き換える。 これらのカーネルは、異なるアプリケーション固有のパイプラインに柔軟に構成できる。 本稿では,バイタルサインモニタリングとジェスチャー認識という2つの代表的なタスクに対して,このアプローチを実証する。 入力プライバシ、クラウドはセンサーデータについて何も学ばず、データ不要性、実行トレースは処理されているデータに関係なくクラウド上で同一である。 これらの保証は、再識別やデータ依存のプライバシリークを含む、生データに対する様々な教師付きおよび教師なしのプライバシ攻撃を効果的に中和する。 HR/RR MAE <10^-3 bpm vs 平文、84.5%のジェスチャー精度(vs.84.7% 平文)で、エンドツーエンドのクラウドGPUレイテンシは10sのバイタルサインウィンドウで103s、3sのジェスチャーウィンドウで37sである。 これらの結果は、今日のコモディティハードウェアでは、プライバシー保護によるエンドツーエンドのmmWaveセンシングが実現可能であることを示している。

関連論文リスト

• PrivyWave: Privacy-Aware Wireless Sensing of Heartbeat [19.430753110057754]
  ワイヤレスセンシング技術は、電波と音響信号を使って心拍を検出することができる。 既存のプライバシソリューションは、いかなるユーティリティも無差別に防止するか、ポストデータ収集を運用するすべてのセンシングシステムから保護する。 キーベースの物理的難読化システムであるPrivyWaveについて,制御されたデコイ心拍信号を生成することでこの問題に対処する。
  論文  参考訳（メタデータ） (2025-11-04T20:54:59Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• PipeLLM: Fast and Confidential Large Language Model Services with Speculative Pipelined Encryption [5.667756833450548]
  暗号化は大幅な性能上のオーバーヘッドを引き起こす。 ユーザ透過型ランタイムシステムであるPipeLLMを紹介する。 我々は、暗号化を必要とするデータを予測するために、投機的パイプライン暗号を提案する。
  論文  参考訳（メタデータ） (2024-11-04T19:58:53Z)
• Blind-Touch: Homomorphic Encryption-Based Distributed Neural Network Inference for Privacy-Preserving Fingerprint Authentication [8.61984933438984]
  ホモモルフィック暗号化は、復号化せずにデータ上に暗号化された計算を可能にする。 Blind-Touchは、機械学習操作を実行しながら、サーバに指紋データを暗号化しておくことができる。 Blind-Touchは、2つのベンチマーク指紋データセットで高い精度を達成する。
  論文  参考訳（メタデータ） (2023-12-18T09:05:34Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• 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)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)
• CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
  総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
  論文  参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。