写在前面:
最近在做同态相关的内容,这里记录下相关的知识点和所踩过的坑,希望对大家有帮助。预计分几篇来详细介绍,从概念简介到不同模式介绍,具体包括了每种模式的编解码和加解密以及他们性能的比对。
虽然同态加密涉及了较多的密码学原理,但是Microsoft SEAL提供了一套开源的加密库,降低了我们的学习成本,使得实现一些同态下的计算变得简单。但是其使用规则有较多需要注意的地方,这里写出来和大家一起学习。
本文的参考主要来自于官方的介绍,这里先贴一下链接,方便大家查找:
Microsoft SEAL: Fast and Easy-to-Use Homomorphic Encryption LibraryMicrosoft SEAL is an easy-to-use and powerful open-source homomorphic encryption library that enables running computations directly on encrypted data.https://www.microsoft.com/en-us/research/project/microsoft-seal/
一、同态加密简介
1.1 引入
大多数加密方案包括三个功能:密钥生成、加密和解密。
对称密钥加密方案使用相同的密钥进行加密和解密;公钥加密方案分别使用公钥进行加密和密钥进行解密。
因此,公钥加密方案允许任何知道公钥的人加密数据,但只有那些知道密钥的人才能解密和读取数据。对称密钥加密可以高效地加密大量数据,并实现安全的外包云存储。公钥加密是实现今天安全在线通信的基础概念,但通常比对称密钥加密效率低得多。
虽然传统的对称和公钥加密可以用于安全存储和通信,但任何外包计算都必然需要在计算前移除这些加密层。因此,提供外包计算功能的云服务必须访问密钥,并实施访问控制策略以防止未经授权的员工访问这些密钥。
即:在传统的云存储和计算解决方案中,云需要对客户数据有未加密的访问权限以进行计算,必然会将数据暴露给云操作员。数据隐私依赖于由云实施的访问控制策略,并由客户信任这些策略。
1.2 同态原理
同态加密是一种密码学技术,允许对加密数据直接进行计算,而不需要解密数据。这种加密计算的结果仍然是加密的,只有用密钥(数据所有者)才能解密。
1.同态性质
同态加密的核心特性是“同态性”。如果某个加密方案是同态的,它允许对加密数据进行某些操作,且解密操作的结果与对未加密数据进行同样操作的结果一致。例如,假设有两个数据 a 和 b,及其相应的加密形式和
。如果加法是同态的,那么:
即加密数据相加后再解密的结果与先解密再相加的结果相同。
2.部分同态加密和全同态加密:
- 部分同态加密:仅支持一种运算(加法或乘法)的同态加密。例如,只支持加法的加密方案称为“加法同态加密”。
- 全同态加密(FHE, Fully Homomorphic Encryption):支持任意运算(加法和乘法)的同态加密。这种加密方案最为通用但也最为复杂。
3.实际应用:
- 云计算:企业将数据加密后上传到云端,云服务提供商可以在不解密数据的情况下对其进行处理,从而保护数据隐私。
- 隐私保护的数据分析:在医学研究中,患者数据可以加密后供研究人员分析,确保患者隐私不会泄露。
- 安全的投票系统:选票可以加密后进行计数,确保投票过程的隐私和安全。
综上,同态加密并不是一种通用技术:只有某些计算可以在加密数据上进行。它还带有相当大的性能开销,因此在未加密数据上已经非常昂贵的计算在加密数据上可能不可行。
此外,用同态加密加密的数据比未加密数据大很多倍,所以可能不适合用这种技术加密整个大型数据库。而是在严格隐私要求禁止未加密云计算的情况下,但计算本身相对轻量的场景中有意义。
1.3 同态加密示例
为了更好的理解,这里把运算过程简单的举个例子:
1.密钥生成:生成一个公钥和一个私钥,分别用于加密和解密。
2.加密:用公钥加密两个数 a 和 b。
3.同态操作:在加密状态下对这两个数进行加法运算。(乘法同理)
4.解密:用私钥解密运算结果。
二、SEAL库简介
2.1 引入
Microsoft SEAL(Simple Encrypted Arithmetic Library)是一个同态加密库,由微软开发,用于在加密数据上执行算术运算。该库旨在使同态加密变得更易于使用和集成,同时提供高性能和灵活性。数据隐私依赖于最先进的加密技术(数学),所有信息发布将由客户控制。
SEAL 库允许在加密的整数或实数上执行加法和乘法。其他操作,如加密比较、排序或正则表达式,在大多数情况下使用此技术在加密数据上评估是不可行的。因此,只有程序中特定的隐私关键的云计算部分应使用 Microsoft SEAL 实现。(故要注意适用范围)
2.2 安装
先贴一下官方库链接:
GitHub - microsoft/SEAL: Microsoft SEAL is an easy-to-use and powerful homomorphic encryption library.Microsoft SEAL is an easy-to-use and powerful homomorphic encryption library. - microsoft/SEALhttps://github.com/microsoft/SEAL在所有平台上,微软 SEAL 都使用 CMake 构建。先看要求:
这里简述一下构建步骤,当然具体问题还是看官方最新的说明好一些:
1.克隆代码库:
git clone https://github.com/microsoft/SEAL.git
cd SEAL
2.构建库:
cmake -S . -B build
cmake --build build
3.安装:
- 如果有root权限,可以选择全局安装:
cmake -S . -B build
cmake --build build
sudo cmake --install build
- 也可以安装到特定地方,这里假设是 ~/mylibs/
cmake -S . -B build -DCMAKE_INSTALL_PREFIX=~/mylibs
cmake --build build
sudo cmake --install build
安装好后,大概包含这些文件:
2.3 官方示例
在下载的文件中,包含了一些官方的示例,帮助用户理解基本概念和演示API功能,后续我也会基于这些例子给大家具体介绍。这些示例在 C++ 和 C# 中是相同的,并且分为几个源文件,分别位于 native/examples/(C++)和 dotnet/examples/(C#)目录中。包含:
C++ | C# | 描述 |
---|---|---|
examples.cpp | Examples.cs | 示例运行程序 |
1_bfv_basics.cpp | 1_BFV_Basics.cs | 使用 BFV 方案的加密模运算 |
2_encoders.cpp | 2_Encoders.cs | 将更复杂的数据编码到 Microsoft SEAL 明文对象中 |
3_levels.cpp | 3_Levels.cs | 介绍“层次”的概念;使用 CKKS 方案的前提知识 |
4_bgv_basics.cpp | 4_BGV_Basics.cs | 使用 BGV 方案的加密模运算 |
5_ckks_basics.cpp | 5_CKKS_Basics.cs | 使用 CKKS 方案的加密实数运算 |
6_rotation.cpp | 6_Rotation.cs | 在 BFV 和 CKKS 方案中对加密向量执行循环旋转 |
7_serialization.cpp | 7_Serialization.cs | 在 Microsoft SEAL 中序列化对象 |
8_performance.cpp | 8_Performance.cs | 性能测试 |
2.4 三种模式简介
Microsoft SEAL 提供了三种主要的同态加密方案:BFV、BGV 和 CKKS。每种方案都有其独特的特点和适用场景。这里简单做个介绍:
1. BFV(Brakerski/Fan-Vercauteren)方案
BFV 方案是一种基于整数的同态加密方案,支持在加密数据上进行模运算。它允许对加密整数进行加法和乘法操作,结果仍然是加密的。BFV 方案使用大整数和多项式环上的数学运算来实现其同态性质。
- 整数运算:适用于需要在加密整数上执行加法和乘法的场景。
- 模运算:操作结果是在一个大整数模数下计算的,类似于有限域中的运算。
- 适用性:适用于需要精确计算的应用,如加密投票系统和财务数据计算。
2. BGV(Brakerski-Gentry-Vaikuntanathan)方案
BGV 方案也是一种基于多项式环的同态加密方案,与 BFV 类似。BGV 方案支持在加密数据上执行模运算,并且可以处理更复杂的操作。
- 多项式运算:适用于在加密多项式上执行加法和乘法。
- 模块化设计:支持灵活的参数选择,可以根据应用需求调整性能和安全性。
- 适用性:适用于需要复杂多项式运算的应用,如加密搜索和过滤。
BGV是较新的版本才可用,给出的论文在这里,大家也可以按需参考下:
https://eprint.iacr.org/2020/1481.pdfhttps://eprint.iacr.org/2020/1481.pdf3. CKKS(Cheon-Kim-Kim-Song)方案
CKKS 方案是一种支持近似计算的同态加密方案,专为浮点数和复数运算设计。它允许在加密的实数或复数上执行加法和乘法,但结果是近似的。这种方案特别适合需要浮点数计算的应用,如机器学习和信号处理。
- 浮点数运算:适用于需要在加密浮点数上执行加法和乘法的场景。
- 近似计算:操作结果是近似的,非常适合需要大量浮点数运算的应用。
- 适用性:适用于机器学习模型评估、数据聚合和加密数据分析。
总结来说,三种加密方案各有其优势和适用场景,后面会对BFV和CKKS具体展开介绍。由于其性能差异巨大,故选择合适的加密方案和加密参数显得尤为重要。
2.5 总结
将未加密计算转化为加密数据上的计算并不总是容易或直接的,例如,不可能在加密数据上进行分支。尽管微软 SEAL 的 API 并不复杂,但它本身有一个陡峭的学习曲线,需要用户理解许多同态加密特有的概念。
即使用户能够编写和运行特定的计算,效率高低的实现之间的差异可能有几个数量级,新用户很难知道如何改进计算的性能。
并且建议学习上面提到的示例,它们旨在为读者提供必要的同态加密概念背景。直接复用示例中的代码效果并不好,因为示例通常演示单个功能,未优化性能。如果不深入学习这些示例就编写 Microsoft SEAL 代码,必然会导致代码易受攻击、运行故障或极其缓慢。