FenixEdu™

Dissertação

Implementing FHE on Massively Parallel Accelerators EVALUATED

Detalhes: Nos últimos anos, grandes quantidades de dados foram transferidos e armazenados em nuvem para processamento, levantando questões de segurança. A encriptação de dados permite proteger informações sensíveis (por exemplo, registos médicos), mas exige que estes sejam desencriptados antes de serem processados, o que pode não ser aconselhável em servidores de terceiros não confiáveis, pois estes podem estar comprometidos. A Encriptação Completamente Homomórfica (FHE) é uma solução inovadora para este problema, pois permite o cálculo em dados encriptados sem que a sua privacidade seja comprometida. Embora a FHE seja um método inovador, também apresenta desafios relacionados com o tempo de execução, uma vez que realizar cálculos em dados encriptados demora umas ordens de grandeza de tempo superior em comparação com o seu equivalente desencriptado. Isto deve-se principalmente às multiplicações polinomiais de grau elevado que são apoiados na NTT (Number Theoretic Transform), bem como pelas operações modulares. O objetivo desta dissertação é acelerar operações no esquema de encriptação CKKS, com o intuito de reduzir a diferença de performance de computação no domínio encriptado. Isto foi conseguido usando uma GPU (Unidade de Processamento Gráfico), um acelerador conhecido pela sua capacidade de tirar proveito de paralelismo massivo. Várias operações foram otimizadas para a GPU, incluindo a NTT e a sua inversa, o Inner Product e a Fast Basis Conversion. O foco principal foi a NTT, obtendo uma aceleração de aproximadamente 1,5 em relação ao estado da arte em GPU. Para demonstrar as melhorias, estas implementações foram integradas na biblioteca de FHE, OpenFHE.
Keywords: Encriptação Completamente Homomórfica, CKKS, Acelerador, Seguranca, Number Theoretic Transform

Discussão: novembro 25, 2024, 14:0

Documentos da dissertação ainda não disponíveis publicamente