论文2024/118

轻松实现数据隐私：使用同态加密增强应用程序

摘要

同态加密是一种强大的隐私保护技术，即使是专家也很难配置和使用。关键的困难包括同态方案的限制性规划模型和为应用选择合适的参数。在本教程中，我们概述了解决这些问题的方法，并允许使用分级加密和完全同态加密将任何应用程序转换到加密域。第一种方法称为Walrus，适用于深度有限的算术密集型应用程序和具有高吞吐量要求的应用程序。Walrus提供了一个直观的编程界面，并通过分析应用程序和收集同态噪声增长等统计信息来自动处理参数化，从而导出专门针对应用程序调整的参数集。我们以神经网络推理的形式提供了这种方法的深入示例，以及有效使用海象的指南。相反，第二种方法（HELM）采用现有的HDL设计，并将其转换为加密域，以便在强大的云服务器上进行安全外包。与Walrus不同，HELM支持FHE后端，非常适合复杂的应用程序。在较高级别上，HELM使用网表，并且能够对单个比特的加密执行同态逻辑门操作。HELM通过利用布尔电路提供的固有并行性，结合了CPU和GPU加速。作为一个案例研究，我们介绍了采用AES-128解密形式的现成HDL设计，并使用HELM在加密域中运行它的过程。

注：软件存储库：HELM位于https://github.com/Trustworthy计算/hem，而海象在https://github.com/TrustworthyComputing/walrus。