【密码学基础】半/全同态加密算法基础学习笔记

最新推荐文章于 2024-06-20 23:18:31 发布

Mr.zwX

最新推荐文章于 2024-06-20 23:18:31 发布

阅读量5k

点赞数 4

分类专栏：隐私计算及密码学基础文章标签：算法密码学同态加密

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_16763983/article/details/131519376

版权

隐私计算及密码学基础专栏收录该内容

17 篇文章

订阅专栏

文章介绍了同态加密的基本概念，包括半同态加密的Paillier和ElGamal、RSA乘法同态，以及全同态加密的BFV算法，强调了其在安全向量内积、数据库和安全聚合等场景的应用，并指出当前全同态计算的挑战和未来的技术展望，如理论创新、应用创新和硬件加速。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 半同态加密

定义：只支持乘法或加法中的一种的同态加密。同态加密指的是允许直接对密文进行计算，密文计算结果解密后与明文直接计算结果相同。

在这里插入图片描述

Pailliar加法同态加密

Paillier加解密过程

在这里插入图片描述

在这里插入图片描述

Paillier的同态性

明文加法 <=> 密文乘法
明文乘法 <=> 密文指数幂
在这里插入图片描述

Paillier的安全性

基于大整数分解困难问题

El Gamal乘法同态加密

相比Paillier，El Gamal性能更好，但是做加法同态时，解密需要求离散对数，只适用明文较小情况。
在这里插入图片描述

RSA乘法同态加密

参考我之前写的RSA算法博客：【密码学基础】RSA加密算法

在这里插入图片描述

显然，RSA的加解密都是同指数幂的指数运算，所以满足乘法同态性。

2 全同态加密

定义：能在加密的数据上进行任意数量的加法和乘法运算的加密算法，使得密文计算结果解密后与明文直接计算结果相同。
在这里插入图片描述

在这里插入图片描述

BFV全同态加密

BFV全同态是基于环上learning with error的算法，同态性是多项式同态，而非数值！所以在明文空间中，如何将原始数值编码到多项式，就很有挑战性了。
在这里插入图片描述

BFV的编码方式

常见的编码方式是SIMD：Single Instruction Multiple Data
在这里插入图片描述

在这里插入图片描述

多项式的同态性传递到原始数据的同态性。SIMD的优势是能在同一个多项式中打包多个数据。

BFV加解密过程

s是私钥，pk是公钥。随机多项式e是服从高斯分布，大概率是非常小的，所以解密是可以被四舍五入掉（比如示例中的0.15x^2和0.04两项）。
在这里插入图片描述

BFV的安全性

基于RLWE困难问题
在这里插入图片描述

BFV的同态性

加法同态：
在这里插入图片描述

注：每次同态加法导致噪声翻倍。

乘法同态：
在这里插入图片描述

注：每次同态乘法导致噪声增长约明文长度倍。
由此可以看到， $\delta$ 越大，能容忍的噪声就越大！所以决定了乘法的次数（计算深度）。

自举Bootstrapping

前面说到噪声会在同态运算中不断增大，且不能超过 $\delta/2$ ，支持最大乘法次数是L。Bootstrapping则可以让密文满血复活，成为又可以操作L次的密文了。
这个过程就是同态函数D来实现的，D是密文空间中的同态解密算子，即用加密的私钥sk解密密文ct，得到加密的明文Enc(m)，也就是密文ct本身。
本质上，Bootstrapping的过程就是从密文ct到ct的变化，特别之处就是中间存在一步同态解密过程，消除了（累积的）噪声。
在这里插入图片描述

3 同态加密应用场景

场景1：安全向量内积

在这里插入图片描述

安全向量内积的半同态解决方案：
A用Paillier加密数据a，发送给B与数据b执行密文-明文乘法，然后发给A解密。缺点是性能很低。
在这里插入图片描述

安全向量内积的全同态解决方案1:
将向量打包到多项式，执行多项式同态乘法。需要rotation操作！将 $a_ib_i$ 都旋转到第一项，然后执行同态加法。但是rotation操作开销很大！
在这里插入图片描述

安全向量内积的全同态解决方案2:
对B编码时，调整多项式系数的位置，发现多项式相乘后 $a_ib_i$ 就已经在一起了，无需rotation！
在这里插入图片描述

总结：编码方式很重要！不同的编码方式性能可能差100倍以上！

场景2：安全数据库

在这里插入图片描述

场景3：安全聚合（Secure Aggregation）

在联邦学习中通过同态加密保护梯度，但是需要参与方大于2，否则可以反推梯度。
在这里插入图片描述

真正的全同态计算还不实际

在这里插入图片描述

技术展望

理论创新

在这里插入图片描述

应用创新

在这里插入图片描述

硬件加速

在这里插入图片描述

参考资料

「隐私计算基础理论」同态加密技术及其应用 - 阿里洪澄

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

Mr.zwX 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。