TFHE: Fast Fully Homomorphic Encryption Library 使用教程

TFHE: Fast Fully Homomorphic Encryption Library 使用教程

tfhe TFHE: Fast Fully Homomorphic Encryption Library over the Torus 项目地址: https://gitcode.com/gh_mirrors/tf/tfhe

1. 项目介绍

TFHE（Fast Fully Homomorphic Encryption Library over the Torus）是一个开源的完全同态加密库，旨在提供快速且高效的同态加密功能。该库实现了基于环的GSW（Gentry-Sahai-Waters）加密方案，并进行了多种优化，包括使用AVX、AVX2和FMA指令集进行汇编优化，以及专门为环R[X]/(X^N+1)设计的快速傅里叶变换（FFT）。

TFHE的主要特点包括：

• 快速门级自举：能够在单核上以约13毫秒的速度评估二进制门。
• 无限制的门数量和组合：与其他库不同，TFHE没有对门的数量或组合进行限制，适用于手动设计的电路或自动化工具生成的电路。
• 高安全性：默认参数集提供至少110位的加密安全性，基于理想格假设。

2. 项目快速启动

2.1 环境准备

在开始之前，确保你的系统已经安装了以下工具：

• C++11编译器：如g++ >= 5.2 或 clang >= 3.8。
• CMake：用于构建项目。

2.2 下载项目

首先，从GitHub克隆TFHE库：

git clone https://github.com/tfhe/tfhe.git
cd tfhe

2.3 构建项目

使用CMake构建项目：

mkdir build
cd build
cmake ../src
make
sudo make install

2.4 运行示例

TFHE库包含一些示例程序，位于test/目录下。你可以通过以下命令运行这些示例：

cd test
./test_program

3. 应用案例和最佳实践

3.1 应用案例

TFHE库广泛应用于需要高度安全性和隐私保护的场景，例如：

• 云计算：在云环境中对敏感数据进行加密处理，确保数据在传输和处理过程中不被泄露。
• 金融交易：在金融交易中对交易数据进行加密处理，防止数据被篡改或窃取。
• 医疗数据处理：在医疗数据处理中对患者数据进行加密，保护患者隐私。

3.2 最佳实践

• 选择合适的参数：根据具体应用场景选择合适的加密参数，以平衡性能和安全性。
• 优化FFT处理器：根据硬件环境选择合适的FFT处理器（如Nayuki、FFTW等），以提高计算效率。
• 定期更新参数：随着新的攻击方法的出现，定期更新加密参数以确保安全性。

4. 典型生态项目

TFHE库可以与其他开源项目结合使用，以构建更复杂的应用系统。以下是一些典型的生态项目：

• SEAL：微软开发的另一个同态加密库，支持多种加密方案，可以与TFHE结合使用以提供更全面的加密解决方案。
• HElib：IBM开发的同态加密库，支持基于LWE的加密方案，可以与TFHE结合使用以提供更高效的加密计算。
• CryptoNets：基于同态加密的神经网络库，可以与TFHE结合使用以在加密数据上进行神经网络推理。

通过结合这些生态项目，开发者可以构建出更加强大和灵活的加密应用系统。

tfhe TFHE: Fast Fully Homomorphic Encryption Library over the Torus 项目地址: https://gitcode.com/gh_mirrors/tf/tfhe