开源同态加密库 HEhub 发布|首个由国内隐私计算团队研发的(全)同态加密算法库

我的隐私计算学习——同态加密 安全保护技术(四) 阅读详情

时至今日,数据要素已经成为数字经济时代最重要的生产要素之一,成为众多企业和机构的核心资产,而数据价值的体现依赖于数据的安全流通和利用。隐私计算作为新兴技术为数据的安全流动提供了新的可能性,即使在数据融合、计算的过程中,也可以保证数据的隐私。在国内外隐私相关法律纷纷颁布、隐私计算产业不断发展的背景下,隐私计算技术的意义和价值已经日渐深入人心。

到目前为止,隐私计算一般分为联邦学习、密码学技术、可信硬件等技术路线。各种技术不是相互排斥的竞争关系,而是在探索中促进相互协同、共同完成保护隐私数据安全流通的目标。在这其中,密码学技术是隐私计算领域一个重要的方向,一些高级的密码学技术如安全多方计算 (secure multi-party computation, MPC)、同态加密 (homomorphic encryption, HE)、零知识证明 (zero-knowledge proof, ZKP) 等分别具有独特的、可证明安全的隐私保护特性,其纷纷在隐私计算领域发挥出各自的作用和优势。

同态加密是最早开始受到关注的隐私计算技术。同态加密的概念由密码学先驱 Ron Rivest 等人在 1978 年提出,指的是一类高级的加密方案,能够在对明文数据进行加密之后,可以不经过解密、在不泄露明文数据任何信息的情况下在密文上进行计算得到新的密文,使得新密文带有明文数据的相应计算结果。这样的特性令同态加密天然地适用于数据隐私受保护的各种外包计算场景,使该领域持续受到密码学界的重视。

图:使用同态加密的外包计算模型(图源:Private AI)

在同态加密技术领域当中,全同态加密 (fully homomorphic encryption, FHE) 是最为深刻且最具广泛应用前景的一类。全同态加密允许计算方在密文上执行任意类型的运算,且计算逻辑可以具有任意深度。自 Rivest 等人提出全同态加密的设想以来,全同态加密技术能否实现一直是密码学界积极探索的问题,以至于被视作密码学领域里的圣杯,并最终直到 2009 年才由 Craig Gentry 构造出第一个理论证明完全可行的全同态加密方案。自从 Gentry 做出突破以来,短短十余年间,全同态加密领域经历了飞速的发展,并已取得极大的进展。目前学术界已经提出了四代全同态加密技术,包括 BFV,BGV,CKKS,TFHE 等方案。

除了多种多样的方案被提出之外,全同态加密技术的演进还体现在效率的极大提高和应用场景的日渐丰富上。在这其中,全同态加密当中重要的自举 (bootstrapping) 过程的效率在数年间提升了上万倍。此外,各种 SIMD 式的编码技术也将运行过程的均摊效率提高了数个量级。总体而言,全同态加密算法的效率正以远超摩尔定律的速度在提升着。而在隐私计算领域,(全)同态加密与其它各种隐私技术结合,已经产生了丰富的应用场景,在匿踪查询、隐私集合求交、基于联邦学习或安全多方计算的联合建模和预测等场景下发挥着重要乃至关键的作用。越来越多基于同态加密的新型隐私计算技术如安全多方计算框架 SPDZ 、labeled PSI、SealPIR、两方机器学习框架 CrypTFlow2 等等正逐渐被行业耳熟能详。

鉴于(全)同态加密无法忽视的发展速度及其重要影响,可以说(全)同态加密已经成为隐私计算行业与企业不可或缺的一条技术路线。在今年全球最具权威的IT研究和顾问咨询公司 Gartner 发布的 2022 年新兴技术和趋势影响力雷达图中显示,同态加密技术连同生成式人工智能、元宇宙等 5 项技术被选为未来最热门和最具影响力的新兴技术。

图:同态加密作为隐私计算不可或缺的技术路线之一(图源:Gartner)

在软件生态方面,尽管目前国际上已有多个开源的 FHE 算法库,然而这些软件库往往有着使用复杂、用的编程语言较小众、学习成本高等阻碍用户上手的问题。此外,一些 FHE 算法库可扩展性不佳,致使其惰于吸纳最新的技术成果,且不利于接入各种上层应用。

基于这样的背景,原语科技推出同态加密开源算法库 HEhub,作为 PrimiHub 开源生态的一部分。HEhub 是一个易于使用,可扩展性强且性能优秀的密码学算法库,致力于汇集各类同态加密算法及其应用。其目前包含了 BGV、CKKS、TFHE 等全同态加密算法,并将进一步集成更多同态加密方案、常用的计算逻辑以及上层应用接口。对开发者而言,HEhub 有助于其跟踪同态加密领域的最前沿进展,将同态加密技术应用到各类隐私计算场景中。与此同时,HEhub 也是国内第一个自研的开源(全)同态加密算法库,及时填补了国内开源生态中的空白,其将有利于国内同行在同态加密领域的前沿研究与落地实践,并促进隐私技术的自主发展。

原语科技独立自主研发的企业级开源隐私计算平台产品 PrimiHub,已获泰岳梧桐资本、相泰投资数千万天使轮投资,并在金融、运营商、政务、工业物联网、医疗等众多领域均有合作,为企业提供了基于隐私安全的数据融合服务,获得客户高度认可与好评。在产学研方面,先后与多所高校建立战略合作关系,成立了多个产学研有机结合的团队,共同开展隐私计算、数据要素化和区块链等领域深度合作。

原语科技拥有专业的密码学团队,致力于与开源社区、各高校和科研院所开展紧密的交流与合作,促进社区的繁荣和同态加密技术的普及、进步。

附:代码仓库地址 

https://github.com/primihub/HEhub

TenSEAL库介绍:如何开始同态加密 介绍了TenSEAL库的简单使用,公钥,私钥的产生与分离,BFV的简单示例。 阅读详情

相关推荐

同态加密计算的介绍

同态加密的应用场景

Xlucas的博客 1484

开源同态加密库 HEhub 发布|首个由国内隐私计算团队研发的(全)同态加密算法库...

扫码关注保护消费者权益我们在行动时至今日,数据要素已经成为数字经济时代最重要的生产要素之一,成为众多企业和机构的核心资产,而数据价值的体现依赖于数据的安全流通和利用。隐私计算作为新兴技术为数据的安全流动提供了新的可能性,即使在数据融合、计算的过程中,也可以保证数据的隐私。在国内外隐私相关法律纷纷颁布、隐私计算产业不断发展的背景下,隐私计算技术的意义和价值已经日渐深入人心。到目前为止,隐私计算一般分...

Jenkins中文社区 712

CrackerXI+脱壳实战:解决iOS应用逆向中的加密文件问题

本文详细介绍了如何使用CrackerXI+工具对iOS应用进行脱壳,解决App Store应用因FairPlay DRM加密而无法进行静态分析的难题。通过图形化界面一键操作,CrackerXI+能高效获取解密后的可执行文件,为逆向工程奠定基础。文章涵盖工具选型、实战步骤及常见问题排查,是iOS逆向入门与进阶的实用指南。

seed的博客 259

全同态加密-SEAL安装、环境配置与测试

全同态加密-SEAL安装、环境配置与测试 WHU - W.F. At NSfocus 〇、序言 相比于其他全同态加密开源库,SEAL库安装简便,契合Windows操作系统,容易上手。但SEAL库需要对全同态加密算法有较好的理解,不同水平的人编写的程序,性能差异可能在万倍以上。 但总的来说,背靠微软这座大山,SEAL库是目前最被看好的开源库,学习资源相对丰富,值得入手。 一、SEAL库简介 SEAL是由微软研发的全同态加密函数库,用现代标准C++编写,库中包含基本示例,基于BFV与CKKS方案 SEAL基于

weixin_43892650的博客 7374

OpenCV轮廓匹配实战:5分钟搞定Hu矩形状识别(附完整代码)

本文详细介绍了使用OpenCV进行轮廓匹配的实战技术,重点讲解了Hu矩形状识别在工业质检等领域的应用。通过完整的代码示例和参数调优技巧,帮助开发者在5分钟内实现高效的形状识别,提升工业检测的准确性和效率。

nnn11的博客 676

从零开始安装pytorch(包含GPU和CPU版本的安装)

Pytorch是。

qiaoxinyu1989的博客 8万+

转载 同态加密库的简单介绍

(2)相反,TorusFHE (TFHE)方案对按位加密的输入进行操作,并尝试进行优化以实现任意计算。在需要按位加密输入的情况下,例如在涉及加密数字比较,排序或类似非多项式运算的计算中,诸如TFHE 之类的方案可能是最有效的解决方案。TFHE 方案具有相同名称的库。(1) BGV 方案比 BFV 方案具有性能优势,但是在许多其他情况下,技术的差异可以忽略不计。另一方面,与 BFV 方案相比,BGV。但是,它提供了其他方案无法提供的功能。CKKS 方案的性能与 BGV。五分钟了解同态加密及三种常见方案。

xiangrikui_ccl的专栏 662

AAAI2024最佳解读|FontDiffuser One-Shot Font Generation via Denoising Diffusion with Multi-Scal

本文提出了一种名为FontDiffuser的基于扩散的单次字体生成方法,旨在通过去噪扩散模型生成模仿参考图像风格的字体,同时保留源图像的内容。尽管现有的字体生成方法在性能上取得了一定的进展,但在处理复杂字符和大风格变化时仍面临挑战。FontDiffuser通过引入多尺度内容聚合(MCA)模块,有效结合不同尺度的全局和局部内容线索,从而增强复杂字符的笔画保留能力。此外,文章还提出了一种风格对比细化(SCR)模块,用于风格表示学习,利用风格提取器从图像中分离风格,并通过精心设计的风格对比损失来监督扩散模型。

haimianxiaobao11的博客 1193

原语科技宣布完成千万级天使+轮融资,致力于打造隐私计算标准化产品

开放隐私计算开放隐私计算OpenMPC是国内第一个且影响力最大的隐私计算开放社区。社区秉承开放共享的精神,专注于隐私计算行业的研究与布道。社区致力于隐私计算技术的传播,愿成为中国 “隐私计算最后一公里的服务区”。180篇原创内容公众号近日,北京原语科技有限公司(以下简称「原语科技」)宣布已于今年10月份完成千万级天使+轮融资,由元始资本独家投资。这是继去年11月原语科技完成首轮融资后,一年内完成的第二笔融资。本轮融资将用于隐私计算标准化产品的持续打磨、隐私计算软硬一体机的打造、团队拓展以及助推全球化开源生态

OpenMpc的博客 1316

一种基于OpenPose和DNN的跌倒检测软件系统(中文&英文)

学习并实现一种跌倒检测模型,此模型基于OpenPose实现逐帧人体姿态检测,使用DNN识别人体动作。检测方式有在线与离线两种,本文主要测试了离线模式,测试效果较好。

Tongzhou_Li的博客 2645

一文吃透 ABAP RESTful Application Programming Model(RAP):从数据建模与行为,到业务服务暴露,再到服务消费

本文介绍了SAP ABAP统一编程模型RAP的核心架构与实践方法,通过构建完整的ZTRAVEL和ZBOOKING业务对象,演示了从数据建模、行为定义到服务暴露的全流程。文章详细说明了RAP三层架构(数据与行为层、服务提供层、服务消费层)的实现方式,包括CDS视图实体定义、行为定义(BDEF)中的事务能力声明、投影与服务绑定等关键步骤。特别强调了ABAP Cloud环境下的开发限制和最佳实践,如使用GUID和late numbering机制,以及如何通过EML语言操作业务对象。最后提供了完整的代码示例,展示了

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 522

全同态加密张量运算库解读-TenSEAL

机器学习算法已经取得了显著的效果,并被广泛应用于各个领域。这些算法通常依赖于敏感和私有数据,如医疗和财务记录。因此,进一步关注隐私威胁和应用于机器学习模型的相应防御技术至关重要。在本文中,我们介绍了TenSEAL,这是一个使用同态加密保护隐私数据的机器学习开源库,可以轻松地集成到流行的机器学习框架中。我们使用MNIST数据集对我们的实现进行了benchmark测试,结果显示加密的卷积神经网络可以在不到一秒钟的时间内进行计算,通信量不到0.5MB。

木亦汐丫 2681

Android Input——输入系统介绍(一)

Input 系统对于提供流畅、灵敏和一致的用户交互体验至关重要,它需要在不同的设备、场景和应用中保证输入事件的正确性、及时性和安全性。Android 输入系统是一个复杂但高效的设计,旨在处理来自各种输入设备(如触摸屏、键盘等)的用户交互,并将这些交互转换为应用程序可以理解和响应的形式。EventHub:输入系统的最底层,直接与硬件通信,监听和读取输入设备的原始事件。:从 EventHub 获取原始输入事件,对其进行解析,转化为更高层次的事件,以便上层应用或服务能够理解。

小旭的专栏 1712

FHEW 全同态加密库使用教程

FHEW 全同态加密库使用教程 1. 项目介绍 FHEW(Fastest Homomorphic Encryption in the West)是一个全同态加密(Fully Homomorphic Encryption, FHE)库,由Leo Ducas和Daniele Micciancio开发。FHEW库基于全同态加密方案,支持在加密数据上进行任意布尔电路的同态计算。FHEW库的核心优势在于其快...

gitblog_00949的博客 800

(王道考研计算机网络)第三章数据链路层-第一节:数据链路层功能概述

文章目录一:本章概述二:数据链路层基本概念三:数据链路层功能概述(1)为网络层提供服务(2)链路管理(3)组帧(4)流量控制(5)差错控制 本章是计算机网络中入门较难的一章,如果没有接触过相关内容,可能会止步于一些晦涩难懂的术语。本节内容希望大家可以用心看一看,对于大家入门是很有帮助的 一:本章概述 数据链路层位于物理层之上,主要作用就是提高物理层传输比特流的能力,使物理层可能出现差错的连接转变为逻辑上无差错的数据链路,同时向网络层提供服务。本章学习的主要就是数据链路层的功能和应用 数据链路层功能 封

快乐江湖的博客 2470

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

终极指南:如何在13毫秒内实现快速全同态加密 - TFHE深度解析

全同态加密(FHE)技术正在彻底改变数据安全领域,而TFHE(Fast Fully Homomorphic Encryption Library over the Torus)作为最快的全同态加密库之一,能够以惊人的13毫秒速度完成同态门运算!🚀 无论你是数据安全工程师、隐私保护研究者,还是对加密技术感兴趣的开发者,这篇指南都将为你揭开TFHE的神秘面纱。 ## 🔐 什么是TFHE全同态加密

gitblog_00324的博客 507

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

基于近似计算的同态加密方案CKKS17----实现库介绍

基于近似计算的同态加密(CKKS17)库使用介绍。

wenmiao_的博客 1万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

SEAL全同态加密开源库(一) 安装与配置

SEAL全同态加密开源库(一) 安装与配置 2021SC@SDUSC 2021-09-30 SEAL库介绍 何为全同态加密 全同态加密属于密码学领域,被称为“密码学的圣杯”。 如果我们有一个加密函数 f , 把明文A变成密文A’, 把明文B变成密文B’,也就是说f(A) = A’ ,f(B) = B’ 。另外我们还有一个解密函数,能够将 f 加密后的密文解密成加密前的明文。 对于一般的加密函数,如果我们将A’和B’相加,得到C’。我们用对C’进行解密得到的结果一般是毫无意义的乱码。 但是,如果 f 是个可以

ldxcsdn的博客 7140

有哪些开源的全同态加密库?

全同态加密(FHE)开源库全景解析 本文系统梳理了当前主流FHE开源库,从基础特性到前沿应用进行全面对比分析。内容分为四个部分: 主流库对比:详细对比8个活跃开源项目,包括OpenFHE、SEAL、TFHE-rs等,涵盖语言、支持方案和特色功能维度。 核心库解析: OpenFHE:多方案统一架构,支持GPU加速 TFHE-rs:Rust实现,专注布尔电路和云原生 TenSEAL:PyTorch集成,专为机器学习优化 应用场景指南:提供学术研究、机器学习、区块链、医疗金融等领域的选库建议。 性能数据:展示CK

深山技术宅的博客 1812

全同态加密终极指南:如何在加密数据上直接计算?[特殊字符]

全同态加密(FHE)作为谷歌开源的革命性隐私保护技术,正在重新定义数据安全与计算的关系。这种前沿加密方案允许开发者在加密状态下直接对数据进行计算,无需先解密原始信息,为云计算、金融风控和医疗数据分析等领域带来了前所未有的隐私保护能力。 ## 🎯 什么是全同态加密? 全同态加密是一种能够**在加密数据上执行任意计算**的密码学技术。想象一下,你可以把敏感数据加密后发送给云服务商,让他们在完全看

gitblog_00004的博客 652

【亲测免费】 TFHE: 快速全同态加密库

TFHE(全同态加密库)是一个开源项目,专注于实现快速的全同态加密技术。该项目主要使用C++语言进行开发,同时也支持C语言的接口,使得开发者可以在常规的C代码中使用该库。TFHE项目在Linux和MacOS系统上进行了测试,支持g++ >= 5.2和clang >= 3.8编译器。 ## 项目核心功能 TFHE库的核心功能是实现门级快速全同态加密。它基于[CGGI16]论文中的技术,能够在单核

gitblog_00942的博客 553

WiiUDownloader常见问题解决:快速排查下载过程中的疑难杂症

WiiUDownloader是一款能够从任天堂官方服务器下载加密WiiU文件的工具,在使用过程中可能会遇到各种下载问题。本文将为你提供常见问题的解决方法,帮助你快速排查并解决下载过程中的疑难杂症。 ## 连接相关问题解决 ### 无法连接到服务器 当出现无法连接到任天堂官方服务器的情况时,首先检查你的网络连接是否正常。确保你的设备已连接到互联网,并且网络稳定。你可以尝试访问其他网站来确认网络是

gitblog_00543的博客 745

同态加密详解

在不能够使用 SIMD 操作时(部分机器学习场景可能没有 batch 的情况,比如矩阵分解),使用 key size 比较小的 paillier 效率更高;在能够使用 SIMD 操作时(例如大部分场景下的机器学习模型训练、推理),SEAL-CKKS 效率显著高于 paillier。除了 Paillier 和 CKKS,未来我们将测试更多的同态加密算法效率。

ZhangJiqun&191cm&85kg 3045

Hybrid Homomorphic Encryption:SE + HE

混合的同态加密,FHE 友好的对称加密

weixin_44885334的博客 1595

同态加密和SEAL库的介绍(一)简介

本文介绍了同态加密的性质,和实现同态加密的Microsoft SEAL库。本篇只是简单介绍了下概念,后续会针对不同模式进行具体使用的分享。

WaitMrAnt的博客 2817
上一篇: 2022隐私计算HACKATHON大赛重磅来袭!
下一篇: 征集|2022全球隐私计算图谱报告今起开启征集 面向全世界全行业
开放隐私计算
博客等级 码龄5年 186粉丝 53原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值