論文の概要: PixCrypt: Fast Fine-Grained FHE with Range-Aware Caching

• arxiv url: http://arxiv.org/abs/2609.14137v1
• Date: Sat, 12 Sep 2026 20:37:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.709475
• Title: PixCrypt: Fast Fine-Grained FHE with Range-Aware Caching
• Title（参考訳）: PixCrypt:レンジ対応キャッシング付きファイングラインドFHE
• Abstract要約: PixCryptは、キャッシングに基づく、微細な完全同型暗号の高速化機構である。 5つの実世界のピクセルレベルの画像処理タスクの実験は、PixCryptがプライバシ保護分析のためのFHEの実用性を大幅に改善していることを示している。
• 参考スコア（独自算出の注目度）: 14.589534842545937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many analytics tasks require secure computation over encrypted data. In particular, fine-grained data such as pixel-level images require higher precision, as every pixel can directly affect outcomes in tasks like tumor segmentation and anomaly detection. While Multi-Party Computation (MPC) is interactive, Differential Privacy (DP) protects only aggregate values, and Partially Homomorphic Encryption (PHE) lacks multiplicative support, none of them can efficiently handle fine-grained data analytics. Fully Homomorphic Encryption (FHE) uniquely enables arbitrary operations on encrypted pixels but remains computationally expensive, posing significant challenges for both software and hardware accelerators. We present PixCrypt, a caching-based acceleration mechanism for fine-grained fully homomorphic encryption. PixCrypt replaces expensive fresh ciphertext generation with cache retrieval and coefficient-level operations across CKKS, BFV, and BGV, while randomized reconstruction ensures that ciphertexts do not repeat. Its linear noise growth reduces the need for bootstrapping and lowers NTT load, improving hardware accelerator efficiency. This design yields up to 35x faster fine-grained encryption and maintains IND-CPA (Indistinguishability under Chosen Plaintext Attack) security. Experiments on five real-world pixel-level image processing tasks show that PixCrypt significantly improves the practicality of FHE for privacy-preserving analytics.
• Abstract（参考訳）: 多くの分析タスクは、暗号化されたデータに対するセキュアな計算を必要とする。 特に、ピクセルレベルの画像のような微細なデータは、腫瘍のセグメンテーションや異常検出といったタスクの結果に直接影響するため、より高い精度を必要とする。 Multi-Party Computation (MPC) はインタラクティブであり、差分プライバシー (DP) は集約値のみを保護し、部分同型暗号化 (PHE) は乗法的サポートを欠いている。 FHE(Fully Homomorphic Encryption)は、暗号化されたピクセルの任意の操作を可能にするが、計算コストは高く、ソフトウェアとハードウェアのアクセラレーターにとって大きな課題となっている。 PixCryptは、キャッシングに基づく、微細な完全同型暗号の高速化機構である。 PixCryptは、高価な新しい暗号文生成をCKKS、BFV、BGVにまたがるキャッシュ検索と係数レベルの演算に置き換える一方、ランダム化された再構成は、暗号文が繰り返すことを保証している。 線形ノイズの増大は、ブートストラップの必要性を減らし、NTT負荷を低減し、ハードウェアアクセラレーション効率を向上させる。 この設計により、最大35倍高速な暗号化が可能となり、IND-CPA (Indistinguishability under Chosen Plaintext Attack) のセキュリティが維持される。 5つの実世界のピクセルレベルの画像処理タスクの実験は、PixCryptがプライバシ保護分析のためのFHEの実用性を大幅に改善していることを示している。

関連論文リスト

• Memory-Efficient Designs for Word-Wise Universal Fully Homomorphic Encryption [13.384404337894575]
  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、分析を通してプライバシを保存する。 メモリボトルネックを軽減するFHE最適化フレームワークであるBXTを提案する。 CNNの推測では、BXT-CSO50構成は100x GPUベースラインで最大3.8$times$のスピードアップを実現し、50%比較精度で1%未満の精度損失を達成している。
  論文  参考訳（メタデータ） (2026-09-04T06:03:44Z)
• FedBit: Accelerating Privacy-Preserving Federated Learning via Bit-Interleaved Packing and Cross-Layer Co-Design [2.255961793913651]
  完全同型暗号化(FHE)を備えたフェデレートラーニング(FL)は、モデルアグリゲーション中にデータプライバシを効果的に保護する。 FedBit は Brakerski-Fan-Vercauteren (BFV) スキームのためのハードウェア/ソフトウェアの共同設計フレームワークである。 FedBitは、ビットインターリーブデータパッキングを使用して、複数のモデルパラメータを単一の暗号係数に埋め込む。
  論文  参考訳（メタデータ） (2025-09-27T03:58:16Z)
• Secure and Scalable Face Retrieval via Cancelable Product Quantization [48.58859061524146]
  ホモモルフィック暗号化(HE)は、暗号空間における算術演算を有効にすることにより、強力なセキュリティ保証を提供する。 セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
  論文  参考訳（メタデータ） (2025-08-31T10:19:55Z)
• Enabling Practical and Privacy-Preserving Image Processing [5.526464269029825]
  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、復号化を必要とせずに機密性を保存する。 従来のFHEメソッドは、ピクセルの代わりにモノリシックなデータブロックで画像を暗号化することが多い。 CKKS方式に基づく画素レベルの同型暗号化手法iCHEETAHを提案し,実装する。
  論文  参考訳（メタデータ） (2024-09-05T14:22:02Z)
• DCT-CryptoNets: Scaling Private Inference in the Frequency Domain [8.084341432899954]
  DCT-CryptoNetsは,計算コストの高い非線形アクティベーションの負担を軽減するために,周波数領域内で直接動作する新しい手法である。 JPEGエンコーディングで一般的に使用される離散コサイン変換(DCT)は、リモートコンピューティングサービスと本質的に互換性がある。 ImageNetデータセットの推論を2.5時間以内に示す(96スレッドの同等の計算リソースで12.5時間からダウンする)。
  論文  参考訳（メタデータ） (2024-08-27T17:48:29Z)
• At Least Factor-of-Two Optimization for RWLE-Based Homomorphic Encryption [0.0]
  ホモモルフィック暗号化(HE)は、復号化を必要とせずに、暗号化データの特定の操作をサポートする。 HEスキームには、データ集約的なワークロードを妨げるような、非自明な計算オーバーヘッドが伴います。 我々は、Zincと呼ぶ暗号化方式を提案し、複数のキャッシュ処理を禁止し、単一のスカラー加算で置き換える。
  論文  参考訳（メタデータ） (2024-08-14T05:42:35Z)
• Deep Learning and Chaos: A combined Approach To Image Encryption and Decryption [1.8749305679160366]
  本稿では,新しい3次元ハイパーカオスマップ,2次元メムリスタマップ,畳み込みニューラルネットワーク(CNN)からのハイパーカオス信号を用いた新しい画像暗号化と復号化アルゴリズムを提案する。 暗号アルゴリズムのロバスト性は、キー感度分析(キー要素に対するアルゴリズムの平均感度)によって示される。
  論文  参考訳（メタデータ） (2024-06-24T16:56:22Z)
• SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
  本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。 実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
  論文  参考訳（メタデータ） (2023-09-27T05:19:32Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
  ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。 我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
  論文  参考訳（メタデータ） (2023-03-15T15:00:20Z)
• 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)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• HERS: Homomorphically Encrypted Representation Search [56.87295029135185]
  本稿では,暗号化ドメイン内の大規模ギャラリーに対して,プローブ(あるいはクエリ)画像表現を検索する手法を提案する。 我々の暗号方式は固定長表現の取得方法に従わないため、任意のアプリケーション領域における任意の固定長表現に適用できる。
  論文  参考訳（メタデータ） (2020-03-27T01:10:54Z)

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。