論文の概要: Trusted Hardware Acceleration for Function Secret Sharing

• arxiv url: http://arxiv.org/abs/2608.16223v1
• Date: Mon, 17 Aug 2026 07:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.583965
• Title: Trusted Hardware Acceleration for Function Secret Sharing
• Title（参考訳）: ファンクションシークレット共有のための信頼されたハードウェア高速化
• Abstract要約: 本稿では,分散点関数(DPF)の生成と評価を行うハードウェアアクセラレータである分散関数加速器(DFA)について述べる。 非信頼モードでは、DFAはDPF評価のための純粋なアクセラレータとして機能し、プロトコルを変更することなくスループットとエネルギー効率を改善する。 信頼モードでは、ローカルでオンザフライのキー生成、キー配布の排除、ストレージとデータ移動オーバーヘッドの削減が可能である。
• 参考スコア（独自算出の注目度）: 13.229663073793867
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Function secret sharing (FSS) is a core building block for privacy-preserving systems such as secure inference and private information retrieval (PIR), but incurs significant overhead in key generation, communication, and data movement.We present the distributed function accelerator (DFA), a hardware accelerator that targets the dominant primitive in FSS: distributed point function (DPF) generation and evaluation. DFA combines a high-throughput fixed-function engine for AES-based pseudorandom number generation with a lightweight programmable unit for protocol-specific logic. In untrusted mode, DFA serves as a pure accelerator for DPF evaluation, improving throughput and energy efficiency without changing the protocol. In trusted mode, it further enables local, on-the-fly key generation, eliminating key distribution, and reducing storage and data movement overheads. Across representative workloads, DFA achieves a reduction of 10X end-to-end latency, a reduction of up to 20X communication and more than 5X energy savings for secure inference; and an improvement of 5X throughput and 10X energy reduction for PIR, with modest hardware cost.
• Abstract（参考訳）: 機能秘密共有(FSS)は、セキュアな推論やプライベート情報検索(PIR)などのプライバシ保護システムのための中核的なビルディングブロックであるが、鍵生成、通信、データ移動において重大なオーバーヘッドを生じさせており、我々は、FSSにおいて支配的なプリミティブである分散ポイント関数(DPF)の生成と評価を目標とするハードウェアアクセラレータである分散関数アクセラレータ(DFA)を提示する。 DFAは、AESベースの擬似乱数生成のための高スループット固定関数エンジンと、プロトコル固有のロジックのための軽量プログラマブルユニットを組み合わせる。 非信頼モードでは、DFAはDPF評価のための純粋なアクセラレータとして機能し、プロトコルを変更することなくスループットとエネルギー効率を改善する。 信頼モードでは、ローカルでオンザフライのキー生成、キー配布の排除、ストレージとデータ移動オーバーヘッドの削減が可能である。 一般的なワークロード全体にわたって、DFAは10倍のエンドツーエンドレイテンシの削減、最大20倍の通信の削減、安全な推論のための5倍の省エネ、PIRの5倍のスループットと10倍の省エネを実現している。

関連論文リスト

• PHAT: PHotonic Accelerator for TFHE [3.1535866873383527]
  ホモモルフィック暗号化(FHE)は暗号化されたデータの計算を可能にし、クラウド上のプライバシ保護アプリケーションに対して有望なソリューションとなる。 FHE over the Torus (TFHE) は任意の操作をサポートするため際立っている。 TFHEに最適化された新しい電子フォトニック加速器アーキテクチャを導入し、OPCMベースのFFTユニット、OPCM用に調整されたツイドル定常データフロー、スケジューリング機構を特徴とする。
  論文  参考訳（メタデータ） (2026-09-10T14:30:27Z)
• Faster Than Flash: Exploiting Attention Sparsity for Efficient Long-Context Decoding [51.48425605758328]
  我々は,Faster Flash Decoding (FFD) という,長文デコーディングにおいてメモリ壁を壊すように設計されたハードウェア・アルゴリズムの共同設計フレームワークを提示する。 FFDはセレクタとコンピュータを完全に融合したカーネルに統合し、外部メタデータのインデックスをコンテンツ認識スキャンに置き換える。 最大11.6倍のカーネルレベルのスピードアップと256Kコンテキスト長のスケーリングを実現し、2.37倍のスループット向上を実現している。
  論文  参考訳（メタデータ） (2026-08-31T15:13:20Z)
• Secure Authentication in Wireless IoT: Hamming Code Assisted SRAM PUF as Device Fingerprint [3.5816744712666075]
  この研究は、制約付き産業用IoT(Industrial Internet of Things)デバイスに対するしきい値に基づく認証概念の証明を示す。 提案手法は,認証後ビット誤り率(BER)を1%以下に確実に抑えることができる。 Hamming code (HC) Error Correction (EC) と Temporal Majority Voting (TMV) の資源効率向上によるPUFの信頼性向上
  論文  参考訳（メタデータ） (2026-04-17T08:09:02Z)
• Efficient DPF-based Error-Detecting Information-Theoretic Private Information Retrieval Over Rings [9.893133639294563]
  認証されたプライベート情報検索(APIR)は、最先端のエラー検出プライベート情報検索(ED-PIR)である。 その有限体構造は、素数階のDPFに制限され、情報理論の条件下では、極端に大きな鍵サイズとなる。 本稿では,これらの制約を克服し,高次情報理論 DPF を利用したリング型情報理論 ED-PIR スキームを提案する。
  論文  参考訳（メタデータ） (2026-04-01T02:51:51Z)
• Hardware-Friendly Randomization: Enabling Random-Access and Minimal Wiring in FHE Accelerators with Low Total Cost [0.0]
  Ring-Learning With Errors問題は、効率的な暗号化スキームのバックボーンを形成する。 このオーバーヘッドを減らす技術は、決定論的プロセスを通じてクライアント側の小さなシードから$a$を生成します。 通信遅延とメモリフットプリントの低減を維持するアプローチの利点を詳述する。
  論文  参考訳（メタデータ） (2026-02-23T06:49:32Z)
• HHEML: Hybrid Homomorphic Encryption for Privacy-Preserving Machine Learning on Edge [4.623074730653607]
  プライバシ保護機械学習(PPML)は、信頼できない環境で機密データに対するセキュアな機械学習推論を処理するための、新たなトピックである。 完全同型暗号化(FHE)は、サーバ側の暗号化データ上で直接計算を可能にするが、クライアント側の重要な通信と計算オーバーヘッドを導入する。 HHEは、クライアント側の計算コストを削減するために、対称暗号(SE)とFHEを組み合わせることで、この制限に対処する。 本研究は、FHE互換に最適化された軽量対称暗号を中心に構築されたハードウェアアクセラレーションHHEアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-23T05:51:55Z)
• High-Energy Concentration for Federated Learning in Frequency Domain [62.90597472173119]
  本稿では,高エネルギー濃度FL法(FedFD)を提案する。 FedFDは、離散コサイン変換が主に高エネルギー濃度と呼ばれる特定の領域にエネルギーを分配するという発見に触発されている。 5つの画像および音声データセットにおいて、FedFDは通信コストを低減しつつ、最先端の手法よりも優れた性能を達成する。
  論文  参考訳（メタデータ） (2025-09-16T03:49:26Z)
• RISecure-PUF: Multipurpose PUF-Driven Security Extensions with Lookaside Buffer in RISC-V [12.294919757082608]
  RISecure-PUFは、既存のPhysical Unclonable Functionを利用するセキュリティ拡張である。 モデリング攻撃に対する証明可能なセキュリティを確保するために、一方通行ハッシュ関数が統合されている。 RISecure-PUFは、ハードウェアオーバーヘッドが無視できるバッチシナリオで、少なくとも$2.72times$を改善する。
  論文  参考訳（メタデータ） (2024-11-21T11:26:23Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Transforming Image Super-Resolution: A ConvFormer-based Efficient Approach [58.57026686186709]
  本稿では, Convolutional Transformer Layer (ConvFormer) を導入し, ConvFormer-based Super-Resolution Network (CFSR) を提案する。 CFSRは畳み込みベースのアプローチとトランスフォーマーベースのアプローチの両方の利点を継承する。 CFSRは計算コストと性能のバランスが最適であることを示す実験である。
  論文  参考訳（メタデータ） (2024-01-11T03:08:00Z)
• Computation Offloading and Resource Allocation in F-RANs: A Federated Deep Reinforcement Learning Approach [67.06539298956854]
  フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
  論文  参考訳（メタデータ） (2022-06-13T02:19:20Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware Multi-Task NLP Inference [82.1584439276834]
  BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。 We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
  論文  参考訳（メタデータ） (2020-11-28T19:21:47Z)

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。