gFHE - GPU fully homomorphic encryption: an optimized Python librar

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Borseti, Renato José Policani
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Criptografia homomórfica
Python (Linguagem de programação de computador)
Computação de alto desempenho
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
Link de acesso: https://tede.lncc.br/handle/tede/393
Resumo: Homomorphic cryptography allows the processing of encrypted data without the need to decrypt it nor to know the secret key, which allows data privacy. This thesis presents an optimized RLWE-based library of the FHE system initially proposed by Cheon, Kim, Kim, and Song (CKKS). The lattice-based mathematical primitives need a considerable time for processing. Our library has mathematical and computational optimization based on parallel processing on GPUs to work around this problem. Due to this implementation, we obtained a speedup of 968× compared to the exact implementation in the library HElib using parallel processing on the CPU and a reduction of 87.68% in the serial execution time of a metamodel in both libraries

Registros relacionados