Evaluating the effectiveness of heuristic worst-case noise analysis in FHE

BFV scheme ノイズシミュ

Abstract

この論文の目的は、リングベースの同型暗号のノイズ成長に対する最悪のケースのヒューリスティックな境界の精度を検証することである。
暗号化スキームのノイズ成長に関する最悪のケースのヒューリスティックな境界の精度を検証することである。我々はIliashenkoの方法論を用いて（PhD thesis,
2019）を用いて、BGVスキームのための新しいヒューリスティックなノイズ解析を提供します。
我々は、BGVおよびFVスキームの両方について、このアプローチが
は、以前のヒューリスティックなアプローチよりもタイトな境界を与え、最大で
10ビットものノイズバジェットを確保できることを示しました。次に、HElibとSEALのノイズの成長についての実験データを提供します。
HElibおよびSEAL暗号のノイズ成長に関する実験データを提供します。
評価するために、HElibおよびSEAL暗号のノイズの増加に関する実験データを提供します。その結果、以下のことがわかりました。
我々の改善にもかかわらず、ヒューリスティックなノイズの推定値と
ノイズの推定値と実際に観測されたノイズとの間には，まだギャップがあることが分かりました．我々は、広範囲にわたって
ヒューリスティックなワーストケース・アプローチが本質的にこのギャップをもたらしていることを明示します。
そのため、必要以上に大きなパラメータを選択することになります。
追加の貢献として、CostacheとCostacheが提示した
Costache and Smart (CT-RSA, 2016)が発表した2つの方式の比較を更新しました。我々の
新しい分析によると、BGVがFVを上回り始める実用的なクロスオーバーポイントは
BGVがFVを上回り始める実用的なクロスオーバーポイントは、非常に大きな平文モジュライ
CostacheとSmartが報告したクロスオーバーポイントをはるかに超えています。