同态专题
安全多方计算 同态密文计算 零知识证明 是什么、对比、优缺点
基于计算困难性理论的安全多方计算可以进一步细分为基于混淆电路的方案或者基于秘密分享的方案。 基于混淆电路的方案将所需计算的函数表达成一个巨型的布尔电路，例如，目前表达一次 SHA-256 计算至少需要使用 13 万个布尔门。尽管学术界已经提供了大量优化方案，通用 电路转化的过程依旧很复杂。由于需要使用不经意传输技术来安全地提供电路输入，即便 在有硬件加速的条件下，这类方案的处理吞吐量和计算效率依
能实现可算不可见的同态加密技术详解
目录 同态加密的基本概念 同态加密示例 同态加密的原理 同态加密的类型 同态加密的应用场景 同态加密的挑战 小结 同态加密（Homomorphic Encryption，HE）是一种满足密文同态运算性质的加密算法，可以在加密数据上直接执行特定的计算操作，而无需先解密数据。这种特性使得同态加密在保护数据隐私的同时，仍能进行有用的计算，非常适用于云计算和数据处理等领域。 同态
在Linux环境下安装SEAL同态加密库
在Linux环境下安装SEAL同态加密库 最近需要使用SEAL库来编写加解密方案，在linux环境下安装SEAL比较简单，但是使用时需要基于CMake来使用，因此记录一下过程。 基础环境 平台：ubuntu22.04(WSL)软件：VScode、git 在这里使用子系统，子系统的安装可以见这里Win11安装子系统及图形化界面。在使用时，不需要安装图形化界面，可以跳过此步骤；不一定非要使用子系
零知识证明与同态加密：隐私计算的双剑
PrimiHub一款由密码学专家团队打造的开源隐私计算平台，专注于分享数据安全、密码学、联邦学习、同态加密等隐私计算领域的技术和内容。 在数字时代，隐私保护已成为全球关注的焦点。隐私计算作为解决数据隐私问题的关键技术，其核心目标是在不泄露个人或敏感信息的前提下，实现数据的计算和分析。在这一领域，零知识证明（Zero-Knowledge Proof, ZKP）和同态加密（Homomorphi
【抽代复习笔记】12-群（六）：群与运算表、群与同态的一些关系
关于运算表的一些性质： 假设G是一个有限集合，o是定义在G上的映射，则 ①群公理1成立＜＝＞运算表中所有元素都属于G； ②交换律成立＜＝＞运算表中的元素关于主对角线对称； ③群公理4(存在单位元)成立＜＝＞运算表中存在一行（或者一列）元素与顶行（或者左列）元素完全一致； ④群公理5(存在逆元)成立＜＝＞运算表的某个元素为单位元（单位元所在位置的行元素及列元素互为逆元）； ⑤群公理3’(
全同态加密释疑（一）
2009年全同态加密（Fully Homomorphic Encryption）的诞生，不仅是密码学界的一个大的突破（Breakthrough）,而且是计算机理论界的一个突破。自从2011年创建了全同态加密QQ群，从几十号人到现在的将近200人，来自各个大学，包括国外。可见人们对全同态加密研究的热情。 另外在网上有许多同学问我一些问题，有些问题很雷同，可能也是初学者必经之路。全同态加密的入门确实
RLWE同态加密编码打包——系数打包
RLWE同态加密的明文域 RLWE的加密方案，如BGV、BFV，加密的对象，实际上是分圆多项式环上的一个整系数多项式。而我们在平时接触到的需要加密的数据，如图像或者工资，通常是一个数。所以，在使用RLWE同态加密时，需要将数转化为多项式，这就是同态加密的明文编码，或者叫做明文的打包。 打包并不是说将数直接映射到多项式就可以了，我们需要保持打包的同态性质，这样才能使得同态运算的结果保持真正的同态
全同态加密的硬件加速：让机器学习更懂隐私保护
PrimiHub一款由密码学专家团队打造的开源隐私计算平台，专注于分享数据安全、密码学、联邦学习、同态加密等隐私计算领域的技术和内容。 问题：保护敏感数据 企业机构间合作处理数据越来越频繁，通常使用云服务为数据共享保驾护航。保护数据隐私至关重要，特别是在处理个人可识别信息（PII）、个人健康信息（PHI）、知识产权和情报洞察等敏感数据时。数据有三种基本状态：静态、传输和使用。通常情况下，
基于算术电路的全同态加密方案介绍
基于算术电路的全同态加密方案介绍 摘 要： 云计算技术目前已经发展得相对成熟，应用也逐步得到普及，它所具有的强大的数据处理能力，能够帮助个体用户计算复杂的数据。但它带来便利的同时，也催生了一系列用户隐私数据保护的问题。其中最为重要的便是数据安全问题。在用户将自己的隐私数据交给第三方处理时，需要将加密上传的数据进行解密，这样自己的数据是极有可能泄露的。全同态加密在密文处理上具有特殊的性质，即能够在
近似同态加密的 IND/SIM-CPA+ 安全性：对于 CKKS 实际有效的攻击
参考文献： [LM21] Li B, Micciancio D. On the security of homomorphic encryption on approximate numbers[C]//Advances in Cryptology–EUROCRYPT 2021: 40th Annual International Conference on the Theory and App
同态加密算法的基本概念 ，GSW
目录 同态加密算法的基本概念 算法分类 GSW 同态加密算法的基本概念 同态加密算法是一种特殊的加密算法，允许对加密状态下的数据进行计算，得到的结果仍然是加密的状态，而不是解密后的明文。同态加密算法的核心原理是将明文数据映射到一个特定的数学空间中，在该数学空间中实现加法或乘法等运算，并将结果重新映射回明文空间。同态加密算法可以分为完全同态加密和部分同态加密两类。
ArXiv 中最受欢迎的开源框架大起底；IBM 重写了其 C++ 同态加密库，速度大提升...
（点击上方蓝字，快速关注我们） 转自：开源中国、solidot、cnBeta、腾讯科技等 0、IBM 重写了其 C++ 同态加密库，速度提高 75 倍！ IBM 的同态加密技术将速度提升 75 倍。同态加密是一种用于在不解密的情况下处理加密数据的技术。这将使敏感数据处理变得极其安全：比如公司可以加密托管在云端的数据库，无需将记录转换回成明文，就可以处理记录。 IBM 研究同
TFHE 的全同态模结构（FHE Module Structure）
参考文献： [CGGI20] Chillotti I, Gama N, Georgieva M, et al. TFHE: fast fully homomorphic encryption over the torus[J]. Journal of Cryptology, 2020, 33(1): 34-91.[BGGJ20] Boura C, Gama N, Georgieva M, et
转载-联邦学习 - 基础知识+白皮书+杨强教授讲座总结+同态加密+ 差分隐私
原文链接：https://blog.csdn.net/qq_41409438/article/details/102213895 联邦学习 兴起原因 概念 分类 横向联邦学习 纵向联邦学习 联邦迁移学习 优势 系统架构 联邦学习与现有研究的区别 联邦学习与差分隐私理论的区别 联邦学习与分布式机器学习的区别 联邦学习与联邦数据库的关系 联邦学习的最新发展及应用 （2019第四届全球人工智能与机器人
《LWE上的全同态加密方案研究》论文笔记
刚开始接触密码学，若有不足之处，欢迎指正批评！ 全同态加密方案的构造主要分为四个步骤：kengen->Encrypt->Evalutae->Decrypt 同态加密定义： 1.同态加密正确性：满足同态性最基本的要求，即 2.同态加密紧凑型 解密算法能表示成一个电路D，且表达式范围不超过一个安全参数为r多项式f(r) 3.层次性全同态加密 E(d)能够计算最大深度为d的电路 4
Zama的fhEVM：基于全同态加密实现的隐私智能合约
1. 引言 Zama的fhEVM定位为： 基于全同态加密实现的隐私智能合约 解决方案 开源代码见： https://github.com/zama-ai/fhevm（TypeScript + Solidity） Zama的fhEVM协议中主要包含： https://github.com/zama-ai/tfhe-rs（Rust）：基于Rust实现的，TFHE Scheme for Bo