論文の概要: Pushing Forward Multi-Secret-Key Homomorphic Encryption for Private Average Aggregation

• arxiv url: http://arxiv.org/abs/2609.01945v1
• Date: Tue, 01 Sep 2026 23:21:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.009932
• Title: Pushing Forward Multi-Secret-Key Homomorphic Encryption for Private Average Aggregation
• Title（参考訳）: プライベートアグリゲーションのためのマルチシークレットキー同型暗号化
• Abstract要約: ホモモルフィック暗号化は、フェデレートラーニングのクライアント-アグリゲータ通信パターンに自然に適合する。 RLWEに基づくホモモルフィック暗号化に基づくプライベート平均アグリゲーションのための軽量なマルチシークレットキープロトコルを提案する。 提案手法は, 実用的な同型アグリゲーション性能を維持しつつ, 暗号文の拡張とオンラインコストを大幅に削減することを示す。
• 参考スコア（独自算出の注目度）: 45.381652768314375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Federated Learning enables multiple clients to train a shared model while keeping their local datasets isolated. However, the exchanged model updates may still leak sensitive information, making private aggregation a central building block in practical deployments, especially in the cross-silo setting. Homomorphic Encryption naturally fits the client--aggregator communication pattern of Federated Learning, but conventional single-key deployments rely on strong non-collusion assumptions. Multiparty Homomorphic Encryption removes this limitation, although recent attacks under restricted decryption access require large-variance smudging noise during collaborative decryption, which significantly increases ciphertext size and implementation complexity. In this work, we propose lightweight multi-secret-key protocols for private average aggregation based on RLWE-based Homomorphic Encryption. Our construction departs from the usual multiparty blueprint by avoiding the generation of a collective public key. Instead, each client encrypts its update under its own secret key, while the resulting ciphertexts remain compatible with homomorphic aggregation and collaborative decryption. By explicitly tracking and cancelling the ciphertext noise during decryption, the protocol removes the need for large $λ$-dependent smudging noise. We instantiate the construction with both exact BFV-based and approximate CKKS-based variants, prove its security in the semi-honest model against an adversary corrupting the aggregator and up to $L-1$ clients, and compare its communication and runtime performance with state-of-the-art MHE-based aggregation. Our results show that the proposed approach substantially reduces ciphertext expansion and online cost, while preserving practical homomorphic aggregation performance.
• Abstract（参考訳）: フェデレートラーニングは、複数のクライアントがローカルデータセットを分離したまま、共有モデルをトレーニングすることを可能にする。 しかし、交換されたモデル更新は機密情報を漏洩させる可能性があり、特にクロスサイロ環境では、プライベートアグリゲーションが実際の配置において中心的なビルディングブロックとなる。 ホモモルフィック暗号化は、フェデレートラーニングのクライアント-アグリゲータ通信パターンに自然に適合するが、従来のシングルキーデプロイメントは、強い非衝突仮定に依存している。 マルチパーティのホモモルフィック暗号化は、この制限を取り除くが、制限された復号アクセス下での最近の攻撃は、協調復号化中に大きな分散スマッジノイズを必要とするため、暗号文のサイズと実装の複雑さが著しく増大する。 本稿では,RLWEに基づくホモモルフィック暗号化に基づく,プライベートな平均アグリゲーションのための軽量なマルチシークレットキープロトコルを提案する。 我々の建設は、集合的な公開鍵の生成を避けることで、通常の多党の青写真から出発する。 代わりに、各クライアントは自身の秘密鍵でアップデートを暗号化し、その結果の暗号文は、同型アグリゲーションと協調的な復号化と互換性が保たれる。 復号化中に暗号文のノイズを明示的に追跡・キャンセルすることにより、プロトコルは大きな$λ$依存スマッジノイズを不要にする。 我々は、正確なBFVベースとCKKSベースの変種の両方を用いて構築をインスタンス化し、アグリゲータと最大$L-1$クライアントを破損させる敵に対する半正直モデルにおけるセキュリティを証明し、通信性能と実行性能を最先端のMHEベースのアグリゲーションと比較する。 提案手法は, 実用的な同型アグリゲーション性能を維持しつつ, 暗号文の拡張とオンラインコストを大幅に削減することを示す。

関連論文リスト

• Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels [8.23636165923649]
  ホモモルフィック暗号化(HE)は、フェデレートラーニング(FL)におけるプライバシー保護アグリゲーションを可能にする 本稿では,マルチキーHE方式として有名なxMK-CKKSを,チャネル推定なしで共有無線チャネル上でのアグリゲーションを実現する4相プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-05-28T15:56:43Z)
• Anamorphic Encryption with CCA Security: A Standard Model Construction [32.95661036494699]
  アナモルフィック暗号化は秘密通信にとって重要なツールであり、コンパイル後のシナリオにおいても機密性を維持する。 我々は、PKAKEM(Public-Key)とSKAKEM(Symmetric-Key)の両方を包含するAnamorphic Key Encapsulation Mechanism(AKEM)を定式化する。 本稿では, 標準モデルにおける厳密な形式的証明を提供し, カプセル化キーを制御する「独裁者」に対してレジリエンスを示す。
  論文  参考訳（メタデータ） (2026-04-09T03:49:41Z)
• Post-Quantum Secure Aggregation via Code-Based Homomorphic Encryption [19.264286608481296]
  キーおよびメッセージ付加型同型暗号に基づくセキュアアグリゲーションのためのコードベースの代替手段を提案する。 我々の建設には秘密の共有によって実現された委員会ベースの復号機が使われている。 提案手法は,情報理論的にセキュアなアグリゲーションプロトコルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2026-01-19T13:14:01Z)
• Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
  フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。 本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。 我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
  論文  参考訳（メタデータ） (2025-11-14T03:05:22Z)
• Information-Theoretic Decentralized Secure Aggregation with Collusion Resilience [95.33295072401832]
  情報理論の観点から分散型セキュアアグリゲーション(DSA)の問題点を考察する。 DSAの最小到達可能な通信量と秘密鍵率を指定する最適レート領域を特徴付ける。 本研究は,DSAの基本性能限界を確立し,信頼性の高い通信効率の高いプロトコルの設計に関する知見を提供する。
  論文  参考訳（メタデータ） (2025-08-01T12:51:37Z)
• Secure Multi-Key Homomorphic Encryption with Application to Privacy-Preserving Federated Learning [18.399679909318394]
  マルチパーティ安全な計算タスクに適用した場合、CDKSスキームにおける重要なセキュリティ脆弱性を特定する。 マルチキーBFVおよびCKKSフレームワークに新しいマスキング機構を組み込んだ新しいスキームSMHEを提案する。 SMHEを用いてPPFLアプリケーションを実装し,ランタイム評価のオーバーヘッドを最小限に抑えて,セキュリティを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-06-25T03:28:25Z)
• Secure Semantic Communication With Homomorphic Encryption [52.5344514499035]
  本稿では,SemCom に準同型暗号を適用する可能性について検討する。 タスク指向のSemComスキームを提案する。
  論文  参考訳（メタデータ） (2025-01-17T13:26:14Z)
• Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
  我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。 NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
  論文  参考訳（メタデータ） (2024-02-13T12:12:39Z)
• An Efficient and Multi-private Key Secure Aggregation for Federated Learning [41.29971745967693]
  フェデレート学習のための効率的かつ多目的な鍵セキュアアグリゲーション手法を提案する。 具体的には、変種ElGamal暗号を巧みに修正し、同型加算演算を実現する。 高次元深層モデルパラメータに対しては,多次元データを1次元に圧縮する超増進シーケンスを導入する。
  論文  参考訳（メタデータ） (2023-06-15T09:05:36Z)
• 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)

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。