64、安全且低失败率的自举及隐私可预测论证技术解析

安全且低失败率的自举及隐私可预测论证技术解析

在密码学领域，自举技术和可预测论证技术对于实现安全高效的加密计算至关重要。本文将详细介绍安全且低失败率的自举技术，以及具有隐私属性的可预测论证技术，包括其原理、实验结果和实际应用。

安全且低失败率的自举技术

自举是同态加密中的关键步骤，它可以恢复密文的计算能力，使得在加密数据上进行多次计算成为可能。下面将从精度、失败概率、吞吐量和密钥密度等方面详细介绍自举技术的改进。

提高精度与降低失败概率

自举过程中的EvalMod步骤用于评估模约简的多项式近似。失败概率由函数$f(K, h, n)$决定，其中$[−K, K]$是近似范围，$h$是ModUp步骤时秘密的密度，$n$是明文槽的数量。如果系数超出$[−K, K]$范围，多项式近似失败，自举过程返回无效值。

多项式近似的精度是近似度$d$和近似范围$K$之间的权衡。对于固定的$d$、$h$和$n$，$K$越大，失败概率越小，但精度越低。因此，如果能降低$h$，则可以减小$K$并提高精度。

通过对比实验结果（见表3），我们发现所有参数集的自举精度相似或有所提高，且失败概率降低了多个数量级，同时不影响安全性和精度。其中，Set IV的改进最大。

Set [3]	log n	h	Bossuat et al. [3]	This work	This work