Homomorphic encryption application on FinancialCloud framework

Peng, Hsin-Tsung; Hsu, William W. Y.; Ho, Jan-Ming; Yu, Min-Ruey

doi:10.1109/ssci.2016.7850013

Cited by 5 publications

(5 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Despite the progress in this field, researchers are still trying to solve performance and memory problems to make HE technique mature for real applications [12][13][14][15][65][66][67][68]. This situation also affects matrix operations [33,69,70], especially matrix multiplication for privacy-preserving machine and deep learning applications [36,[71][72][73][74].…”

Section: Homomorphic Encryption Librariesmentioning

confidence: 99%

“…, and i, j ∈ 1, m + 1, see, Equation (15). We use the coefficient of determination R 2 to estimate the polynomial extrapolation; it shows the degree of agreement of the mathematical model with the original data.…”

Section: Extrapolationmentioning

confidence: 99%

“…The coefficients 𝑎 are calculated by solving the matrix equation 𝐵 × 𝐴 = 𝐶 where 𝑏 , = ∑ 𝑑 , 𝑐 = ∑ 𝑇 𝑑 , and 𝑖, 𝑗 ∈ 1, 𝑚 + 1 , see, Equation (15). We use the coefficient of determination 𝑅 to estimate the polynomial extrapolation; it shows the degree of agreement of the mathematical model with the original data.…”

mentioning

confidence: 99%

See 2 more Smart Citations

A Comparative Study of Secure Outsourced Matrix Multiplication Based on Homomorphic Encryption

Babenko

Golimblevskaia

Tchernykh

et al. 2023

BDCC

View full text Add to dashboard Cite

Homomorphic encryption (HE) is a promising solution for handling sensitive data in semi-trusted third-party computing environments, as it enables processing of encrypted data. However, applying sophisticated techniques such as machine learning, statistics, and image processing to encrypted data remains a challenge. The computational complexity of some encrypted operations can significantly increase processing time. In this paper, we focus on the analysis of two state-of-the-art HE matrix multiplication algorithms with the best time and space complexities. We show how their performance depends on the libraries and the execution context, considering the standard Cheon–Kim–Kim–Song (CKKS) HE scheme with fixed-point numbers based on the Microsoft SEAL and PALISADE libraries. We show that Windows OS for the SEAL library and Linux OS for the PALISADE library are the best options. In general, PALISADE-Linux outperforms PALISADE-Windows, SEAL-Linux, and SEAL-Windows by 1.28, 1.59, and 1.67 times on average for different matrix sizes, respectively. We derive high-precision extrapolation formulas to estimate the processing time of HE multiplication of larger matrices.

show abstract

Section: Homomorphic Encryption Librariesmentioning

confidence: 99%

Section: Extrapolationmentioning

confidence: 99%

See 1 more Smart Citation

A Comparative Study of Secure Outsourced Matrix Multiplication Based on Homomorphic Encryption

Babenko

Golimblevskaia

Tchernykh

et al. 2023

BDCC

View full text Add to dashboard Cite

show abstract

“…FHE can be used in applications including finance [62,63], healthcare [64,65], blockchain [66][67][68], cyber-physical systems [69][70][71], and education [72]. Machine Fig.…”

Section: Projections In Complex Applicationsmentioning

confidence: 99%

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

Takeshita

Koirala

McKechney

et al. 2022

Preprint

View full text Add to dashboard Cite

Fully Homomorphic Encryption (FHE) allows computation on encrypted data. Various software libraries have implemented the approximate-arithmetic FHE scheme CKKS, which is highly useful for applications in machine learning and data analytics; each of these libraries have differing performance and features. It is useful for developers and researchers to learn details about these libraries' performance and their differences. Some previous work has profiled FHE and CKKS implementations for this purpose, but these comparisons are limited in their fairness and completeness. In this article, we compare four major libraries supporting the CKKS scheme. Working with the maintainers of each of the PALISADE, Microsoft SEAL, HElib, and HEAAN libraries, we devise methods for fair comparisons of these libraries, even with their widely varied development strategies and library architectures. To show the practical performance of these libraries, we present HEProfiler, a simple and extensible framework for profiling C++ FHE libraries. Our experimental evaluation is complete in both the scope of tasks tested and metrics evaluated, allowing us to draw conclusions about the behaviors of different libraries under a wide range of real-world workloads. This is the first work giving experimental comparisons of different bootstrapping-capable CKKS libraries.

show abstract

“…Ngành tài chính ngân hàng: Trong ngành tài chính có thể cần phải bảo vệ bí mật của cả dữ liệu và các hàm tính toán, như: dữ liệu về các doanh nghiệp, giá chứng khoán, hay các bảng cân đối kế toán [5]. Các hàm xử lý dữ liệu có thể cũng cần được bảo mật.…”

Section: Giới Thiệuunclassified

Đề Xuất Phương Pháp Mã Hóa Khoảng Cách Euclid Bảo Đảm Tính Riêng Tư Của Người Dùng Trong Nhận Dạng Vân Tay

Hồ¹,

Hà²,

Bảo³

et al. 2022

TNUJST

View full text Add to dashboard Cite

Công nghệ ngày càng phát triển, việc xác thực bằng mật khẩu ẩn chứa nhiều rủi ro bảo mật và đã lỗi thời. Trong các phương thức xác thực hiện nay, phương thức xác thực bằng dấu vân tay dựa vào việc nhận dạng các đặt trưng, từ đó đối chiếu và xác định danh tính một cá nhân. Một trong những phương pháp để nhận dạng vân tay là sử dụng khoảng cách Euclid. Vấn đề đặt ra là làm sao khi người dùng có thể cung cấp cơ sở dữ liệu đáp ứng được thuật toán được sử dụng trong mô hình xác thực, cho ra kết quả chính xác mà vẫn không làm lộ thông tin về khoảng cách Euclid khi tham chiếu với hệ thống. Giải pháp của nhóm tác giả sử dụng hệ mật mã công khai Paillier; mã hóa khoảng cáchEuclid đối với mẫu xác thực trước khi đưa vào hệ thống để so sánh đối chiếu; kết quả thực nghiệm mã hóa mẫu bằng mã hóa Paillier sau đó kiểm tra tính đúng đắn bằng cách tính toán, so sánh kết quả với cách tính thông thường. Từ đó đưa ra kết luận đối với phương pháp được đề xuất.

show abstract

Homomorphic encryption application on FinancialCloud framework

Cited by 5 publications

References 12 publications

A Comparative Study of Secure Outsourced Matrix Multiplication Based on Homomorphic Encryption

A Comparative Study of Secure Outsourced Matrix Multiplication Based on Homomorphic Encryption

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

Đề Xuất Phương Pháp Mã Hóa Khoảng Cách Euclid Bảo Đảm Tính Riêng Tư Của Người Dùng Trong Nhận Dạng Vân Tay

Contact Info

Product

Resources

About