gFHE - GPU fully homomorphic encryption: an optimized Python librar

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Borseti, Renato José Policani
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Criptografia homomórfica
Python (Linguagem de programação de computador)
Computação de alto desempenho
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
Link de acesso: https://tede.lncc.br/handle/tede/393
Resumo: Homomorphic cryptography allows the processing of encrypted data without the need to decrypt it nor to know the secret key, which allows data privacy. This thesis presents an optimized RLWE-based library of the FHE system initially proposed by Cheon, Kim, Kim, and Song (CKKS). The lattice-based mathematical primitives need a considerable time for processing. Our library has mathematical and computational optimization based on parallel processing on GPUs to work around this problem. Due to this implementation, we obtained a speedup of 968× compared to the exact implementation in the library HElib using parallel processing on the CPU and a reduction of 87.68% in the serial execution time of a metamodel in both libraries
id LNCC_119adb0e37814f8a44256f321c2c2189
oai_identifier_str oai:tede-server.lncc.br:tede/393
network_acronym_str LNCC
network_name_str Biblioteca Digital de Teses e Dissertações do LNCC
repository_id_str
spelling gFHE - GPU fully homomorphic encryption: an optimized Python librarCriptografia homomórficaPython (Linguagem de programação de computador)Computação de alto desempenhoCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAOHomomorphic cryptography allows the processing of encrypted data without the need to decrypt it nor to know the secret key, which allows data privacy. This thesis presents an optimized RLWE-based library of the FHE system initially proposed by Cheon, Kim, Kim, and Song (CKKS). The lattice-based mathematical primitives need a considerable time for processing. Our library has mathematical and computational optimization based on parallel processing on GPUs to work around this problem. Due to this implementation, we obtained a speedup of 968× compared to the exact implementation in the library HElib using parallel processing on the CPU and a reduction of 87.68% in the serial execution time of a metamodel in both librariesA criptografia homomórfica permite o processamento de dados criptografados sem a necessidade de descriptografá-los ou conhecer a chave secreta, o que garante a privacidade dos dados. Esta tese apresenta uma biblioteca otimizada baseada em RLWE do sistema FHE inicialmente proposto por Cheon, Kim, Kim e Song (CKKS). As primitivas matemáticas baseadas em lattice requerem um tempo considerável para processamento. Nossa biblioteca possui otimizações matemáticas e computacionais baseadas em processamento paralelo em GPUs para contornar esse problema. Devido a essa implementação, obtivemos um aumento de velocidade de 968× em comparação com a implementação exata na biblioteca HElib usando processamento paralelo na CPU e uma redução de 87,68% no tempo de execução serial de um metamodelo em ambas as bibliotecas.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorLaboratório Nacional de Computação CientíficaCoordenação de Pós-Graduação e Aperfeiçoamento (COPGA)BrasilLNCCPrograma de Pós-Graduação em Modelagem ComputacionalOliveira, Fábio Borges deOliveira, Fábio Borges deBarros, Carla Osthoff Ferreira deMachado, Raphael Carlos SantosSantos, Anderson Fernandes Pereira dosBorseti, Renato José Policani2024-05-24T14:50:02Z2024-04-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfBORSETI, R. J. P. gFHE - GPU fully homomorphic encryption: an optimized Python librar, 2024. 141 f. Tese (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2024.https://tede.lncc.br/handle/tede/393enginfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do LNCCinstname:Laboratório Nacional de Computação Científica (LNCC)instacron:LNCC2024-05-25T04:37:47Zoai:tede-server.lncc.br:tede/393Biblioteca Digital de Teses e Dissertaçõeshttps://tede.lncc.br/PUBhttps://tede.lncc.br/oai/requestlibrary@lncc.br||library@lncc.bropendoar:2024-05-25T04:37:47Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)false
dc.title.none.fl_str_mv gFHE - GPU fully homomorphic encryption: an optimized Python librar
title gFHE - GPU fully homomorphic encryption: an optimized Python librar
spellingShingle gFHE - GPU fully homomorphic encryption: an optimized Python librar
Borseti, Renato José Policani
Criptografia homomórfica
Python (Linguagem de programação de computador)
Computação de alto desempenho
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
title_short gFHE - GPU fully homomorphic encryption: an optimized Python librar
title_full gFHE - GPU fully homomorphic encryption: an optimized Python librar
title_fullStr gFHE - GPU fully homomorphic encryption: an optimized Python librar
title_full_unstemmed gFHE - GPU fully homomorphic encryption: an optimized Python librar
title_sort gFHE - GPU fully homomorphic encryption: an optimized Python librar
author Borseti, Renato José Policani
author_facet Borseti, Renato José Policani
author_role author
dc.contributor.none.fl_str_mv Oliveira, Fábio Borges de
Oliveira, Fábio Borges de
Barros, Carla Osthoff Ferreira de
Machado, Raphael Carlos Santos
Santos, Anderson Fernandes Pereira dos
dc.contributor.author.fl_str_mv Borseti, Renato José Policani
dc.subject.por.fl_str_mv Criptografia homomórfica
Python (Linguagem de programação de computador)
Computação de alto desempenho
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
topic Criptografia homomórfica
Python (Linguagem de programação de computador)
Computação de alto desempenho
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO
description Homomorphic cryptography allows the processing of encrypted data without the need to decrypt it nor to know the secret key, which allows data privacy. This thesis presents an optimized RLWE-based library of the FHE system initially proposed by Cheon, Kim, Kim, and Song (CKKS). The lattice-based mathematical primitives need a considerable time for processing. Our library has mathematical and computational optimization based on parallel processing on GPUs to work around this problem. Due to this implementation, we obtained a speedup of 968× compared to the exact implementation in the library HElib using parallel processing on the CPU and a reduction of 87.68% in the serial execution time of a metamodel in both libraries
publishDate 2024
dc.date.none.fl_str_mv 2024-05-24T14:50:02Z
2024-04-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv BORSETI, R. J. P. gFHE - GPU fully homomorphic encryption: an optimized Python librar, 2024. 141 f. Tese (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2024.
https://tede.lncc.br/handle/tede/393
identifier_str_mv BORSETI, R. J. P. gFHE - GPU fully homomorphic encryption: an optimized Python librar, 2024. 141 f. Tese (Programa de Pós-Graduação em Modelagem Computacional) - Laboratório Nacional de Computação Científica, Petrópolis, 2024.
url https://tede.lncc.br/handle/tede/393
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
publisher.none.fl_str_mv Laboratório Nacional de Computação Científica
Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA)
Brasil
LNCC
Programa de Pós-Graduação em Modelagem Computacional
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do LNCC
instname:Laboratório Nacional de Computação Científica (LNCC)
instacron:LNCC
instname_str Laboratório Nacional de Computação Científica (LNCC)
instacron_str LNCC
institution LNCC
reponame_str Biblioteca Digital de Teses e Dissertações do LNCC
collection Biblioteca Digital de Teses e Dissertações do LNCC
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do LNCC - Laboratório Nacional de Computação Científica (LNCC)
repository.mail.fl_str_mv library@lncc.br||library@lncc.br
_version_ 1832738028492161024

Registros relacionados