Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.265-268
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Efficient Homomorphic Encryption Operations Utilizing Exclusive Privacy Preserving Technique

배타적 프라이버시 보호 기술을 활용한 효율적인 동형 암호 연산 기술

  • Dong-Ju Lee (Dept. of Electrical and Computer Engineering and Inter-University Semiconductor Research Center(ISRC), Seoul National University) ;
  • Yun-Heung Paek (Dept. of Electrical and Computer Engineering and Inter-University Semiconductor Research Center(ISRC), Seoul National University)
  • 이동주 (서울대학교 전기정보공학부, 반도체공동연구소) ;
  • 백윤흥 (서울대학교 전기정보공학부, 반도체공동연구소)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

클라우드 컴퓨팅 서비스를 사용하기 위해 사용자가 데이터를 클라우드로 전송하는 과정에서 프라이버시 문제가 발생할 수 있다. 이를 해결하기 위해 동형암호를 적용한 프라이버시 보호 원격 컴퓨팅 기술이 연구되고 있다. 하지만 동형암호 연산은 큰 성능 부하가 발생하며, 본 논문은 특정 연산에 대하여 배타적 프라이버시 보호기술을 적용한 효율적인 동형암호 연산 기술을 제안한다.

Keywords

Acknowledgement

이 논문은 2023 년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구이며 (IITP-2023-RS-2023-00256081), 2024 년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구이며 (RS-2023-00277326), 2024 년도 BK21 FOUR 정보기술 미래인재 교육연구단에 의하여 지원되었음. 본 연구는 반도체 공동연구소 지원의 결과물임을 밝힙니다. 이 연구를 위해 연구장비를 지원하고 공간을 제공한 서울대학교 컴퓨터 연구소에 감사드립니다.

References

  1. Gilad-Bachrach, Ran, et al. "Cryptonets: Applying neural networks to encrypted data with high throughput and accuracy." International conference on machine learning. PMLR, 2016.
  2. Juvekar, Chiraag, Vinod Vaikuntanathan, and Anantha Chandrakasan. "{GAZELLE}: A low latency framework for secure neural network inference." 27th USENIX security symposium (USENIX security 18). 2018.
  3. Lee, Junghyun, et al. "Precise approximation of convolutional neural networks for homomorphically encrypted data." IEEE Access (2023).
  4. Cheon, Jung Hee, et al. "Numerical method for comparison on homomorphically encrypted numbers." International conference on the theory and application of cryptology and information security. Cham: Springer International Publishing, 2019.
  5. Cho, Jihoon, et al. "Transciphering framework for approximate homomorphic encryption." International Conference on the Theory and Application of Cryptology and Information Security. Cham: Springer International Publishing, 2021.
  6. Wang, Wenhao, et al. "Toward scalable fully homomorphic encryption through light trusted computing assistance." arXiv preprint arXiv:1905.07766 (2019).
  7. Drucker, Nir, and Shay Gueron. "Achieving trustworthy Homomorphic Encryption by combining it with a Trusted Execution Environment." J. Wirel. Mob. Networks Ubiquitous Comput. Dependable Appl. 9.1 (2018): 86-99. 
  8. Y. Xu, W. Cui, and M. Peinado, "Controlled-channel attacks: Deterministic side channels for untrusted operating systems," in IEEE Symposium on Security and Privacy (SP). IEEE, 2015, pp. 640-656.
  9. W. Wang, G. Chen, X. Pan, Y. Zhang, X. Wang, V. Bindschaedler, H. Tang, and C. A. Gunter, "Leaky cauldron on the dark land: Understanding memory side-channel hazards in sgx," in Proceedings of the 2017 ACM SIGSAC Conference on Computer and Communications Security. ACM, 2017, pp. 2421-2434.
  10. M. Taassori, A. Shafiee, and R. Balasubramonian, "Vault: Reducing paging overheads in sgx with efficient integrity verification structures," in Proceedings of the Twenty-Third International Conference on Architectural Support for Programming Languages and Operating Systems. ACM, 2018, pp. 665-678.
  11. Cong, Kelong, et al. "Sortinghat: Efficient private decision tree evaluation via homomorphic encryption and transciphering." Proceedings of the 2022 ACM SIGSAC Conference on Computer and Communications Security. 2022.
  12. Frery, Jordan, et al. "Privacy-Preserving Tree-Based Inference with Fully Homomorphic Encryption." Cryptology ePrint Archive (2023).