論文の概要: On the Vulnerability of FHE Computation to Silent Data Corruption

• arxiv url: http://arxiv.org/abs/2603.23253v1
• Date: Tue, 24 Mar 2026 14:18:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.530244
• Title: On the Vulnerability of FHE Computation to Silent Data Corruption
• Title（参考訳）: 無声データ破壊に対するFHE計算の脆弱性について
• Authors: Jianan Mu, Ge Yu, Zhaoxuan Kan, Song Bian, Liang Kong, Zizhen Liu, Cheng Liu, Jing Ye, Huawei Li,
• Abstract要約: FHE(Fully Homomorphic Encryption)は、プライバシ保護クラウドサービスの有望な基盤として浮上している。 実ハードウェア上でのFHE計算はどの程度信頼性が高いか? FHE暗号文計算におけるSDCの包括的評価を行う。
• 参考スコア（独自算出の注目度）: 14.337553732980814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully Homomorphic Encryption (FHE) is rapidly emerging as a promising foundation for privacy-preserving cloud services, enabling computation directly on encrypted data. As FHE implementations mature and begin moving toward practical deployment in domains such as secure finance, biomedical analytics, and privacy-preserving AI, a critical question remains insufficiently explored: how reliable is FHE computation on real hardware? This question is especially important because, compared with plaintext computation, FHE incurs much higher computational overhead, making it more susceptible to transient hardware faults. Moreover, data corruptions are likely to remain silent: the FHE service has no access to the underlying plaintext, causing unawareness even though the corresponding decrypted result has already been corrupted. To this end, we conduct a comprehensive evaluation of SDCs in FHE ciphertext computation. Through large-scale fault-injection experiments, we characterize the vulnerability of FHE to transient faults, and through a theoretical analysis of error-propagation behaviors, we gain deeper algorithmic insight into the mechanisms underlying this vulnerability. We further assess the effectiveness of different fault-tolerance mechanisms for mitigating these faults.
• Abstract（参考訳）: FHE(Fully Homomorphic Encryption)は、プライバシ保護クラウドサービスの有望な基盤として急速に発展し、暗号化されたデータに直接計算を可能にする。 FHEの実装が成熟し、セキュアファイナンスやバイオメディカル分析、プライバシ保護AIといった領域での実践的なデプロイメントへと移行するにつれ、FHEの計算が実際のハードウェア上でどの程度信頼できるのか、という重要な疑問がまだ調査されていない。 この問題は、平文の計算と比較すると、FHEは計算オーバーヘッドがはるかに高くなり、過渡的なハードウェア故障により影響を受けやすいため、特に重要である。 FHEサービスは、基盤となる平文にアクセスできないため、対応する復号化結果がすでに破損しているにもかかわらず、認識できない。 そこで本研究では,FHE暗号文計算におけるSDCの包括的評価を行う。 大規模な断層注入実験を通じて, 過渡的断層に対するFHEの脆弱性を特徴付けるとともに, 誤差伝播挙動の理論解析により, この脆弱性の基盤となるメカニズムについて, より深いアルゴリズム的洞察を得ることができた。 さらに,これらの故障を緩和するための各種耐故障機構の有効性について検討した。

関連論文リスト

• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
  本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。 我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-09-27T22:36:42Z)
• Reliability Analysis of Fully Homomorphic Encryption Systems Under Memory Faults [4.342622051185079]
  ホモモルフィック暗号化(英: Homomorphic Encryption、FHE)は、暗号のパラダイムシフトであり、暗号化されたデータを直接計算し、プライバシクリティカルな計算をアンロックすることを可能にする。 本稿では,FHEがメモリ障害の存在下でどのように振る舞うかを,個々の操作やアプリケーションレベルで,異なるFHEスキームに対してより深く理解することを目的とする。
  論文  参考訳（メタデータ） (2025-09-25T02:40:16Z)
• Characterizing the Sensitivity to Individual Bit Flips in Client-Side Operations of the CKKS Scheme [0.4054550707324753]
  ホモモルフィック暗号化(HE)は、復号化せずに暗号化されたデータの計算を可能にし、信頼できない環境でのプライバシ保護計算の基盤となる。 HEは、セキュアな機械学習や機密データ分析といったセンシティブなアプリケーションの採用が増加し、エラーに対する堅牢性が重要になると考えている。
  論文  参考訳（メタデータ） (2025-07-28T14:42:09Z)
• Understanding the Error Sensitivity of Privacy-Aware Computing [0.5494759889025727]
  ホモモルフィック暗号化(HE)は、復号化せずに暗号化データのセキュアな計算を可能にする。 本研究では, HEアプリケーションのビット断層に対する感度に関する詳細な議論を動機付け, CKKS(Cheon-Kim-Kim-Song)の詳細な誤差解析を行った。 CKKSは、AIおよび機械学習アプリケーションのための固定点演算をサポートするため、最も人気のあるHEスキームの1つである。
  論文  参考訳（メタデータ） (2025-06-09T17:27:40Z)
• Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
  協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。 近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。 この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。 そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-01T07:15:21Z)
• DataSeal: Ensuring the Verifiability of Private Computation on Encrypted Data [14.21750921409931]
  我々は,アルゴリズムベースのフォールトトレランス(ABFT)手法の低オーバーヘッドと完全同型暗号化(FHE)の秘密性を組み合わせたDataSealを紹介する。 DataSealは、MAC、ZKP、TEEを含む他の技術よりも、FHEの計算検証性を提供するためのオーバーヘッドをはるかに少なくする。
  論文  参考訳（メタデータ） (2024-10-19T21:19:39Z)
• Reinforcement Learning on Encrypted Data [58.39270571778521]
  本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。 その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
  論文  参考訳（メタデータ） (2021-09-16T21:59:37Z)

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。