論文の概要: HULK: An Efficient Algorithm for Enabling Fast Bulk Bitwise Operations on Homomorphically Encrypted Data

• arxiv url: http://arxiv.org/abs/2610.18391v1
• Date: Tue, 13 Oct 2026 13:41:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 21:34:47.652436
• Title: HULK: An Efficient Algorithm for Enabling Fast Bulk Bitwise Operations on Homomorphically Encrypted Data
• Title（参考訳）: HULK: 同型暗号化データ上で高速バルクビット演算を実現するための効率的なアルゴリズム
• Abstract要約: ホモモルフィック暗号化(HE)は、復号化を必要とせず、暗号化データのセキュアな計算を可能にする。 3つの領域にわたる13のエンドツーエンドアプリケーション(ヘルスケア、グラフ、データベース分析)を分析します。 低コストな同型加算法を用いてバルクビット演算を構成するHULKを提案する。
• 参考スコア（独自算出の注目度）: 6.897173856839725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A wide range of important cloud applications, e.g., database analytics, graph analytics, and genome analysis, spend a considerable amount of time performing bulk bitwise operations (e.g., AND, OR, XOR). These applications often operate on highly sensitive data, making data privacy a critical concern. Homomorphic encryption (HE) enables secure computation on encrypted data without requiring decryption, ensuring privacy in untrusted and shared environments. We analyze 13 end-to-end applications across three domains (healthcare, graph, and database analytics) and observe that bulk bitwise operations take 62-100% of the execution time of the healthcare and graph workloads. The key problem is that existing HE approaches perform them with high-latency homomorphic operations (e.g., multiplication or lookup tables) and significantly increase the data size. Our goal is to enable fast bulk bitwise operations on homomorphically encrypted data by designing an efficient HE algorithm that reduces the use of these costly operations. To this end, we propose HULK, which performs two key steps: (1) it constructs bulk bitwise operations using low-cost homomorphic additions, which compute the Hamming weight of the encrypted operand bits in every slot of a packed ciphertext without any homomorphic multiplication, and (2) it decodes the result of an AND, OR, or XOR from the Hamming weight with a single indicator polynomial, keeping the result in the standard encoding. Across 13 end-to-end applications in healthcare, graph, and database analytics, HULK improves performance over the arithmetic approach used by prior works by up to 7.26x (CPU) and 6.65x (GPU), and on average by 2.32x/1.78x/1.45x (CPU) and 2.08x/1.70x/1.51x (GPU) for healthcare/graph/database analytics. When we increase the reduction depth in a representative application, HULK's speedup grows to 10.10x over the state-of-the-art GPU baseline.
• Abstract（参考訳）: データベース分析、グラフ分析、ゲノム解析といった、さまざまな重要なクラウドアプリケーションでは、バルクビット演算(例えば、AND、OR、XOR)にかなりの時間を費やしています。 これらのアプリケーションは、しばしば非常に機密性の高いデータで動作し、データのプライバシを重要な懸念事項にしている。 ホモモルフィック暗号化(HE)は、復号化を必要とせず、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、信頼できない、共有されていない環境でのプライバシーを確保する。 3つのドメイン(ヘルスケア、グラフ、データベース分析)にわたる13のエンドツーエンドアプリケーションを分析し、医療とグラフのワークロードの実行時間のうち62～100%は、バルクビットの操作を必要とすることを観察します。 鍵となる問題は、既存のHEアプローチが高速な同型演算(例えば、乗算やルックアップテーブル)でそれらを実行し、データサイズを大幅に増加させることである。 我々のゴールは、これらのコストのかかる演算を削減できる効率的なHEアルゴリズムを設計することで、同型暗号化データに対する高速なバルクビット演算を可能にすることである。 この目的のために,HULK は,(1) 暗号文の各スロットにおける暗号化操作ビットのハミング重みを同型乗算なしで計算し,(2) ハンミング重みからAND,OR,XOR の結果を1つの指標多項式で復号し,その結果を標準符号化に維持する,低コストなホモモルフィック加算を用いたバルクビット演算を提案する。 医療、グラフ、データベース分析における13のエンドツーエンドアプリケーションの中で、HULKは、医療/グラフ/データベース分析に使用する算術的アプローチを7.26x(CPU)と6.65x(GPU)で、平均2.32x/1.78x/1.45x(CPU)と2.08x/1.70x/1.51x(GPU)で改善している。 代表アプリケーションの縮小深さを増大させると、HULKのスピードアップは最先端のGPUベースラインで10.10倍に増加する。

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)
• Lightweight, Practical Encrypted Face Recognition with GPU Support [0.5598105282648399]
  顔認識モデルは、クライアントがコンパクトな顔埋め込みを抽出し、サーバがテンプレートデータベース上で類似検索を行うクライアントサーバ設定で動作する。 既存のFHEベースのプロトコルは計算コストが高く、メモリオーバーヘッドが高い。 本稿では,高速かつメモリ効率の良い類似性計算を実現するアルゴリズムであるBSGS-Diagonalを紹介する。
  論文  参考訳（メタデータ） (2026-04-01T06:43:36Z)
• CIPHERMATCH: Accelerating Homomorphic Encryption-Based String Matching via Memory-Efficient Data Packing and In-Flash Processing [8.114331115730021]
  ホモモルフィック暗号化(HE)は、元のデータを公開せずに暗号化されたデータのセキュアな計算を可能にする。 多くのクラウドコンピューティングアプリケーション(例えば、DNA読み取りマッピング、バイオメトリックマッチング、Web検索)は、正確な文字列マッチングをキー操作として使っている。 ホモモルフィック暗号を用いた従来の文字列マッチングアルゴリズムは、高い計算遅延によって制限される。
  論文  参考訳（メタデータ） (2025-03-12T00:25:58Z)
• Cheddar: A Swift Fully Homomorphic Encryption Library Designed for GPU Architectures [2.613335121517245]
  完全なホモモルフィック暗号化(FHE)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することによって、クラウドコンピューティングをプライバシの懸念から解放する。 我々は、GPUのための高性能なFHEライブラリであるCheddarを紹介し、従来のGPU実装よりも大幅に高速化した。
  論文  参考訳（メタデータ） (2024-07-17T23:49:18Z)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)
• Towards Better Out-of-Distribution Generalization of Neural Algorithmic Reasoning Tasks [51.8723187709964]
  ニューラルネットワーク推論タスクのOOD一般化について検討する。 目標は、ディープニューラルネットワークを使用して入出力ペアからアルゴリズムを学ぶことである。
  論文  参考訳（メタデータ） (2022-11-01T18:33:20Z)
• CryptoGCN: Fast and Scalable Homomorphically Encrypted Graph Convolutional Network Inference [12.03953896181613]
  クラウドベースのグラフ畳み込みネットワーク(GCN)は、多くのプライバシに敏感なアプリケーションで大きな成功と可能性を示している。 クラウド上での推論精度とパフォーマンスは高いが、GCN推論におけるデータのプライバシの維持については、まだ明らかにされていない。 本稿では,この手法を最初に試行し,同型暗号(HE)に基づくGCN推論フレームワークであるtextitCryptoGCN$-を開発する。
  論文  参考訳（メタデータ） (2022-09-24T02:20:54Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
  本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。 イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。 我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
  論文  参考訳（メタデータ） (2021-04-02T02:07:37Z)
• 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)

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。