論文の概要: CipherFlow: Compiling AI Programs for Efficient Cryptographically Secure Inference

• arxiv url: http://arxiv.org/abs/2611.01450v1
• Date: Sun, 01 Nov 2026 02:38:09 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:11:32.035254
• Title: CipherFlow: Compiling AI Programs for Efficient Cryptographically Secure Inference
• Title（参考訳）: CipherFlow: 効率的な暗号化セキュア推論のためのAIプログラムのコンパイル
• Abstract要約: CipherFlowは、ハイレベルなAIグラフ、利用可能な暗号プリミティブ、ターゲットハードウェアとネットワーク構成を持つコンパイラフレームワークである。 実行可能でレイテンシ最適化されたセキュアな推論プログラムを生成する。
• 参考スコア（独自算出の注目度）: 16.735743806437487
• License:
• Abstract: Cryptographically secure inference faces two practical challenges: making secure programming accessible to AI developers and data scientists, and achieving efficient execution across deployment environments. Developers must compose cryptographic primitives correctly, while performance depends on hardware, networks, and evolving ciphertext states. We present CipherFlow, a compiler framework that takes a high-level AI computation graph, available cryptographic primitives, and a target hardware and network configuration to generate an executable, latency-optimized secure inference program. CipherFlow automates cryptographic execution decisions through three techniques: MicroBench profiles deployment-specific primitive costs; state-expanded planning jointly optimizes homomorphic encryption (HE) and secure multi-party computation (MPC) placement, conversions, and ciphertext maintenance under cryptographic-state constraints; and BlockFold summarizes branched regions to scale planning to Transformer graphs. Evaluation using measured HE/MPC backend costs across CPU/GPU and network settings shows up to 16.5$\times$ speedup on BERT-base and over 22$\times$ on ViT compared with static hybrid placement baselines. CipherFlow separates model programming from cryptographic execution decisions, enabling developers to express AI computations while the compiler constructs efficient secure programs.
• Abstract（参考訳）: 暗号化的にセキュアな推論は、AI開発者とデータサイエンティストがセキュアなプログラミングにアクセスできるようにするという2つの実践的な課題に直面している。 開発者は暗号プリミティブを正しく構成する必要があるが、性能はハードウェア、ネットワーク、進化する暗号文の状態に依存する。 我々は、高レベルのAI計算グラフ、利用可能な暗号プリミティブ、ターゲットハードウェアとネットワーク構成を取り込み、実行可能でレイテンシ最適化されたセキュアな推論プログラムを生成するコンパイラフレームワークであるCipherFlowを提案する。 CipherFlowは暗号化実行の決定を3つのテクニックで自動化する。MicroBenchプロファイルはデプロイメント固有のプリミティブコスト、ステート拡張プランニングは同型暗号化(HE)とセキュアマルチパーティ計算(MPC)の配置、暗号状態制約下での変換、および暗号メンテナンスを共同で最適化する、BlockFoldは分岐したリージョンをまとめてTransformerグラフにスケールする。 CPU/GPUとネットワーク設定におけるHE/MPCバックエンドのコストの測定による評価は、BERTベースでは16.5$\times$、ViTでは22$\times$と静的なハイブリッド配置ベースラインでは22$\times$になる。 CipherFlowは、モデルプログラミングと暗号実行の決定を分離し、開発者はAI計算を表現でき、コンパイラは効率的なセキュアなプログラムを構築する。

関連論文リスト

• Accelerated Decoding of Centroid Positional Encoding for Instance Segmentation [49.97373153077311]
  本稿では,各画素が遠心波の位置埋め込みを行う場合の,遠心波符号化に伴うデコードオーバーヘッドについて検討する。 当社のソリューションは、デコードオーバーヘッドを大幅に削減し、Endto-Endレイテンシを改善し、CPUベースのアプローチと単純なGPU実装の両方を上回ります。
  論文  参考訳（メタデータ） (2026-09-15T09:05:17Z)
• Ciphertext- and Polynomial-Level Optimization for Fully Homomorphic Encryption [17.164955772341308]
  RNS-CKKSのようなフルホモモルフィック暗号化(FHE)スキームは、データに直接計算することで、プライバシ保護サービスを実現できる。 最近のFHEコンパイラは、各暗号文操作が一連の操作を含む暗号文レベルでFHEプログラムを最適化している。 この研究は、暗号文レベルとマルチレベル最適化の両方をサポートする新しいマルチレベルコンパイラであるRecifheを提示する。
  論文  参考訳（メタデータ） (2026-07-17T08:39:12Z)
• 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)
• Execution Guided Line-by-Line Code Generation [48.996319645671605]
  本稿では,言語モデル生成プロセスにリアルタイム実行信号を組み込んだニューラルコード生成手法を提案する。 提案手法であるExecution-Guided-Free Guidanceは,モデルがコードを生成する際に動的に実行信号を組み込む。 EG-CFGはコード生成アプローチを大幅に改善し、様々なレベルの複雑さで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-06-12T17:50:05Z)
• CipherGuard: Compiler-aided Mitigation against Ciphertext Side-channel Attacks [26.849878609957386]
  CipherGuardは、高い効率とセキュリティ保証で暗号文のサイドチャネルに対処するコンパイラベースの緩和ツールである。 最も効率的な戦略では、CipherGuardは平均性能オーバーヘッドが1.41倍、最大性能が1.95倍である。
  論文  参考訳（メタデータ） (2025-02-19T03:22:36Z)
• 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)
• Decoding at the Speed of Thought: Harnessing Parallel Decoding of Lexical Units for LLMs [57.27982780697922]
  大規模言語モデルは、自然言語の理解と生成において例外的な能力を示した。 しかし、それらの生成速度は、その復号過程の本質的にシーケンシャルな性質によって制限される。 本稿では,データ駆動方式で実装された新しいデコーディング手法であるLexical Unit Decodingを紹介する。
  論文  参考訳（メタデータ） (2024-05-24T04:35:13Z)
• 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)
• Securing Optimized Code Against Power Side Channels [1.589424114251205]
  セキュリティエンジニアは、コンパイラの最適化をオフにしたり、ローカルでコンパイル後の変換を実行することで、コードの効率を犠牲にすることが多い。 本稿では,最適化されたセキュアなコードを生成する制約ベースのコンパイラであるSecConCGを提案する。
  論文  参考訳（メタデータ） (2022-07-06T12:06:28Z)

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。