Fugu-MT 論文翻訳(概要): Low-Latency Bootstrapping for CKKS using Roots of Unity

論文の概要: Low-Latency Bootstrapping for CKKS using Roots of Unity

arxiv url: http://arxiv.org/abs/2607.27401v1
Date: Wed, 29 Jul 2026 19:15:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-31 21:37:00.313039
Title: Low-Latency Bootstrapping for CKKS using Roots of Unity
Title（参考訳）: ユニット根を用いたCKKSの低レイテンシブートストラップ
Abstract要約: SPRUブートストラッピングは加法モジュロをユニティの複雑な根に埋め込み、CKKSスキームで評価することができる。実際には、OpenFHE C++ライブラリを使用して、SPRUブートストラッピングは、少数のスロットを持つ暗号文に適用した場合、最大で5倍のレイテンシの削減を実現している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce Sparse Roots of Unity (SPRU) bootstrapping, a new bootstrapping algorithm for the CKKS homomorphic encryption scheme for approximate arithmetic. The original CKKS bootstrapping method relies on homomorphically evaluating a polynomial that approximates modular reduction modulo q. In contrast, SPRU bootstrapping directly embeds the additive group modulo q into the complex roots of unity, which can be evaluated natively in the CKKS scheme. This approach significantly reduces the multiplicative depth required for bootstrapping, enabling the use of a smaller ring dimension and improving efficiency. In practice, using the OpenFHE C++ library, SPRU bootstrapping achieves up to a 5x reduction in latency when applied to ciphertexts with a small number of slots.
Abstract（参考訳）: Sparse Roots of Unity (SPRU)ブートストラッピング(英語版)は、CKKS準同型暗号スキームのブートストラッピングアルゴリズムである。元のCKKSブートストラッピング法は、モジュラーリダクション・モジュロ q を近似する多項式をホモモルフィズム的に評価することに依存する。対照的に、SPRUブートストラッピングは加法群 modulo q を直接ユニティの複素根に埋め込み、CKKSスキームでネイティブに評価することができる。このアプローチはブートストラップに必要な乗算深さを著しく減らし、より小さなリング次元の使用を可能にし、効率を向上する。実際には、OpenFHE C++ライブラリを使用して、SPRUブートストラッピングは、少数のスロットを持つ暗号文に適用した場合、最大で5倍のレイテンシの削減を実現している。

関連論文リスト

HEAT: Faster Fully Homomorphic Inference via Approximations-Weights Co-Adaptation [56.14416807766864]
同型暗号化により、サーバは暗号化されたユーザープロンプト上で言語モデルを直接実行することができる。既存のアプローチでは、各サイトのエラー許容度を調整するのではなく、モデル全体のイテレーションカウントを均一に修正する。非線形反復回数を学習可能にする微調整法であるHAT(Hymomorphic Encryption-Aware Training)を導入する。
論文参考訳（メタデータ） (2026-09-01T18:02:02Z)
Combinatorial Analysis of Dyadic and Quasi-Dyadic Codes [5.193807663869809]
本稿では、(Q)LDPC符号をDyadicおよび準Dyadic行列から構築・解析するためのフレームワークを開発する。我々は、達成可能なガースを最大化するために、シフトの禁止されたセットを使用する、ダイディック対応のPEGスタイルの構成アルゴリズムを導入する。誤差フロア現象を動機として,鍵線配置境界の場合の吸収集合を特徴付け,明示的に列挙する。
論文参考訳（メタデータ） (2026-05-03T16:00:45Z)
Bootstrapping as a Morphism: An Arithmetic Geometry Approach to Asymptotically Faster Homomorphic Encryption [0.9179857807576733]
本稿では,従来の回路評価モデルを完全にバイパスするブートストラップ手法を提案する。直射射影としてブートストラップ操作を再構成するために,現代の算術幾何学のツールを適用した。我々の研究は、$O(d cdot textpoly(log q))$、$d$が環次元、$q$が暗号文である完全かつ確実に正しいブートストラップアルゴリズムである。
論文参考訳（メタデータ） (2025-09-29T03:39:01Z)
A Non-leveled and Reliable Approximate FHE Framework through Binarized Polynomial Rings [1.1701842638497677]
ホモモルフィック暗号化(HE)は、暗号化されたデータに対するセキュアな計算を可能にし、クラウドコンピューティング、ヘルスケア、ファイナンスなどのドメインにおけるユーザのプライバシを保護する。 CKKSは、機械学習と数値計算の重要な要件である複素数に対する近似演算をサポートすることで有名である。本稿では,2値係数のリング上で完全に動作し,軽量なブートストラップ機構で再スケーリングを置き換えたCKKSの2値変種を提案する。
論文参考訳（メタデータ） (2025-08-04T22:53:36Z)
Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
論文参考訳（メタデータ） (2023-12-19T02:27:22Z)
Large-Plaintext Functional Bootstrapping in FHE with Small Bootstrapping Keys [1.6319731389952283]
機能的ブートストラップは完全同型暗号化(FHE)のコア技術である本稿では,ベクトル内の任意の関数のルックアップテーブルを符号化し,その係数がより多くのデータを保持できることを示す。新しいアルゴリズムは、キーサイズが小さく、キースイッチングのキーサイズが小さいことで、キーサイズが大幅に改善され、実行時のコストが一定に向上する。
論文参考訳（メタデータ） (2023-10-19T03:30:36Z)
Machine Learning-Aided Efficient Decoding of Reed-Muller Subcodes [59.55193427277134]
Reed-Muller (RM) 符号は、一般的なバイナリインプットメモリレス対称チャネルの容量を達成する。 RM符号は制限されたレートのみを許容する。効率的なデコーダは、RM符号に対して有限長で利用可能である。
論文参考訳（メタデータ） (2023-01-16T04:11:14Z)
Adaptive Federated Minimax Optimization with Lower Complexities [82.51223883622552]
本稿では,これらのミニマックス問題の解法として,適応最小最適化アルゴリズム(AdaFGDA)を提案する。運動量に基づく還元および局所SGD技術を構築し、様々な適応学習率を柔軟に組み込む。
論文参考訳（メタデータ） (2022-11-14T12:32:18Z)
Global Optimization for Cardinality-constrained Minimum Sum-of-Squares Clustering via Semidefinite Programming [1.3053649021965603]
最小二乗クラスタリング(MSSC)は、最近、各クラスタの濃度に関する事前知識を活用するために拡張されている。本稿では,分枝切断法に基づく大域的最適化手法を提案する。上界に対して、各ノードで解いたSDP緩和の解を生かした局所探索手順を提案する。
論文参考訳（メタデータ） (2022-09-19T10:19:06Z)
Large-scale Optimization of Partial AUC in a Range of False Positive Rates [51.12047280149546]
ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
論文参考訳（メタデータ） (2022-03-03T03:46:18Z)
Lagrangian Decomposition for Neural Network Verification [148.0448557991349]
ニューラルネットワーク検証の基本的なコンポーネントは、出力が取ることのできる値のバウンダリの計算である。ラグランジアン分解に基づく新しい手法を提案する。ランニングタイムのごく一部で、既成の解法に匹敵するバウンダリが得られることを示す。
論文参考訳（メタデータ） (2020-02-24T17:55:10Z)

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。