Fugu-MT 論文翻訳(概要): How to Watermark the RLWE Homomorphic Ciphertexts

論文の概要: How to Watermark the RLWE Homomorphic Ciphertexts

arxiv url: http://arxiv.org/abs/2607.25222v1
Date: Tue, 28 Jul 2026 02:53:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-29 20:50:42.687227
Title: How to Watermark the RLWE Homomorphic Ciphertexts
Title（参考訳）: RLWE同型暗号文の透かし
Abstract要約: Ring Learning with Errors問題に基づく同型暗号化(HE)スキームは急速に発展してきた。既存のHEスキームのほとんどは、主に同型計算の実現可能性と効率性に焦点を当てている。 RLWE暗号文に対する透かし手法を提案する。
参考スコア（独自算出の注目度）: 1.342943588774946
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, homomorphic encryption (HE) schemes based on the Ring Learning with Errors (RLWE) problem have rapidly developed and been widely applied to secure computation tasks, including privacy-preserving deep learning inference, privacy-preserving database queries, and related applications. However, most existing HE schemes focus primarily on the feasibility and efficiency of homomorphic computation, often neglecting practical requirements such as copyright protection of ciphertexts, source authentication, and supervision during computation. To address these issues, we propose a watermarking technique for RLWE-based HE ciphertexts. The algebraic structure of RLWE polynomials allows us to embed small noise as watermarking information into the ciphertext polynomials without affecting the plaintext values. However, HE ciphertexts typically undergo multiple homomorphic operations, which can distort or even remove the embedded watermark information. To address this challenge, we propose two practical solutions. The first, ARWMark, is a watermarking scheme based on noise stratification and is robust to homomorphic additive operations. The second scheme, MRWMark, is constructed using the roots of a linear equation and is resilient to both homomorphic additive and multiplicative operations, while supporting zero-bit watermarking. We provide a detailed theoretical analysis, proving that our schemes do not compromise the original security of HE, while ensuring the correctness and robustness of the proposed watermarking techniques. Furthermore, we conduct extensive experiments to demonstrate the effectiveness of both watermarking schemes.
Abstract（参考訳）: 近年、Ring Learning with Errors(RLWE)問題に基づく同型暗号化(HE)スキームが急速に発展し、プライバシ保護ディープラーニング推論、プライバシ保護データベースクエリ、関連するアプリケーションなど、セキュアな計算タスクに広く適用されている。しかし、既存のHEスキームのほとんどは、暗号文の著作権保護、ソース認証、計算中の監督といった実践的な要件を無視して、ホモモルフィックな計算の実現可能性と効率性に重点を置いている。これらの問題に対処するため、RLWEに基づくHE暗号文の透かし手法を提案する。 RLWE多項式の代数構造は、平文値に影響を与えることなく、透かし情報として小さなノイズを暗号多項式に埋め込むことができる。しかし、HE暗号文は典型的には複数の準同型演算を受けており、埋め込まれた透かし情報を歪ませたり取り除いたりすることができる。この課題に対処するため、我々は2つの実用的な解決策を提案する。第一のARWMarkは雑音成層に基づく透かしスキームであり、同型加法演算に対して頑健である。 2つ目のスキームであるMRWMarkは線形方程式の根を用いて構成され、0ビット透かしをサポートしながら、同型加法演算と乗法演算の両方に耐性がある。我々は,提案手法の正しさと堅牢性を確保しつつ,提案手法がHEの本来のセキュリティを損なわないことを証明する,詳細な理論的解析を行う。さらに,両透かし方式の有効性を実証するための広範囲な実験を行った。

関連論文リスト

Synchronization-Free Algebraic Fingerprints for Large Language Models: From Autoregressive to Diffusion Models [1.1213359816349566]
大規模言語モデル(LLM)は、信頼できる透かし方法に対する緊急の要求を生み出している。一対の隣接するトークンから生成される1つのバイナリから構成される新しい同期不要な透かし方式を提案する。
論文参考訳（メタデータ） (2026-07-18T05:43:22Z)
Robust Text Watermarking for Large Language Models via Dual Semantic Embeddings [2.992414059774663]
本研究は,大規模言語モデル(LLM)に対する意味的透かし方式を提案する。 Dual-Embedding Watermarking (DEW)は、文脈的およびトークンレベルの埋め込みを使用して、パラフレーズや翻訳に対する堅牢性を高める。
論文参考訳（メタデータ） (2026-06-30T12:51:30Z)
Complex Domain Approach for Reversible Data Hiding and Homomorphic Encryption: General Framework and Application to Dispersed Data [0.0]
本稿では,Hiding in the Imaginary Domain with Data Encryption (H[i]dden)を紹介する。さらに,H[i]dden-EG,H[i]dden-AggP,H[i]dden-AggP,H[i]dden-EGの2つのプロトコルを紹介した。
論文参考訳（メタデータ） (2025-10-04T10:39:48Z)
Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
論文参考訳（メタデータ） (2025-09-11T02:50:07Z)
Towards A Correct Usage of Cryptography in Semantic Watermarks for Diffusion Models [16.57738116313139]
セマンティックな透かしのための暗号プリミティブを再検討する。本稿では,意味的な透かしに対するIND$-CPAセキュリティに基づく,損失のない性能の新たな一般的な証明を紹介する。
論文参考訳（メタデータ） (2025-03-14T13:45:46Z)
Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。我々は、無害な」知識基盤の著作権保護の名称を提案する。
論文参考訳（メタデータ） (2025-02-10T09:15:56Z)
Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
論文参考訳（メタデータ） (2025-01-25T04:53:36Z)
Encrypted system identification as-a-service via reliable encrypted matrix inversion [0.0]
暗号化された計算は、多数のアプリケーションドメインにわたる有望な道を開く。特に、算術的同型暗号化はクラウドベースの計算サービスに自然に適合する。本稿では,少なくとも2乗問題に対する信頼性の高い暗号化ソリューションにより,暗号化されたシステム識別サービスを提案する。
論文参考訳（メタデータ） (2024-10-27T20:00:04Z)
WatME: Towards Lossless Watermarking Through Lexical Redundancy [58.61972059246715]
本研究では,認知科学レンズを用いた大規模言語モデル(LLM)の異なる機能に対する透かしの効果を評価する。透かしをシームレスに統合するための相互排他型透かし(WatME)を導入する。
論文参考訳（メタデータ） (2023-11-16T11:58:31Z)
SemStamp: A Semantic Watermark with Paraphrastic Robustness for Text Generation [72.10931780019297]
既存の透かしアルゴリズムはトークンレベルの設計のため、パラフレーズ攻撃に弱い。局所性に敏感なハッシュ(LSH)に基づく頑健な文レベルのセマンティック透かしアルゴリズムSemStampを提案する。実験結果から,本アルゴリズムは従来手法に比べて,従来手法よりも頑健であるだけでなく,生成品質の維持にも有効であることが示唆された。
論文参考訳（メタデータ） (2023-10-06T03:33:42Z)
An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
論文参考訳（メタデータ） (2023-07-30T13:43:27Z)

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。