DOI: https://doi.org/10.46586/tches.v2026.i1.82-104
تاريخ النشر: 2026-01-16
المؤلف: Thomas De Ruijter وآخرون
الموضوع الرئيسي: التشفير وأمان البيانات
نظرة عامة
تقدم الورقة تقدمًا في التشفير المتجانس بالكامل (FHE)، مع التركيز بشكل خاص على التحديات التي تطرحها الضوضاء أثناء عملية التمهيد في التشفير المتجانس بالكامل على التوروس (TFHE). يقدم المؤلفون تقنية تعويض متوسط تهدف إلى التخفيف من أخطاء التقريب المرتبطة بتبديل المودول وتفكيك الأدوات. تقلل هذه الطريقة بشكل فعال من تباين الضوضاء بنسبة تصل إلى 50%، مما يقلل بشكل كبير من احتمال الخطأ من $2^{-64.30}$ إلى $2^{-100.47}$. يمكن دمج التقنية مع فك مفتاح التمهيد، مما يؤدي إلى مزيد من تقليل الضوضاء وتعزيز الأداء، محققة تسريعًا يصل إلى 2.14 مرة مع الحفاظ على معايير الأمان واحتمال الخطأ.
في الختام، لا تؤدي طريقة تعويض المتوسط المقترحة إلى تقليل خطأ التقريب أثناء العمليات الحرجة فحسب، بل تتسبب أيضًا في عبء حسابي ضئيل. عند دمجها مع فك مفتاح التمهيد، فإنها تقلل أيضًا من احتمال الخطأ إلى $2^{-102.73}$ أو $2^{-107.59}$ لعوامل الفك من اثنين أو ثلاثة، على التوالي. تشير النتائج إلى أن مجموعات المعلمات الجديدة يمكن أن تستفيد من هذا الانخفاض في احتمال الخطأ لتعزيز الأداء، مما يسمح بتقييم وظيفتين على نص مشفر واحد دون تكلفة إضافية، وبالتالي تحسين كفاءة أنظمة FHE.
مقدمة
تناقش مقدمة هذه الورقة البحثية التقدم السريع في تعلم الآلة (ML) والمخاطر المتعلقة بالخصوصية عند معالجة البيانات الحساسة من خلال خوادم سحابية غير موثوقة. للتخفيف من هذه المخاطر، يُقترح التشفير المتجانس بالكامل (FHE) كحل، مما يسمح بإجراء العمليات الحسابية على البيانات المشفرة دون الكشف عن المعلومات الأساسية. تسلط الورقة الضوء على مخططات FHE البارزة، بما في ذلك BFV وBGV وCKKS وTFHE، مع التأكيد على أهمية التمهيد لإدارة الضوضاء في النصوص المشفرة، والتي يمكن أن تؤدي إلى أخطاء في فك التشفير إذا لم يتم التحكم فيها.
يركز المؤلفون على التشفير المتجانس بالكامل على التوروس (TFHE)، المعروف بكفاءته في التمهيد ودعمه لتقييم الوظائف غير الخطية. يوضحون التحديات التي تطرحها تباين الضوضاء أثناء التمهيد، وخاصة من أخطاء التقريب في تبديل المفاتيح وتبديل المودول، والتي تسهم بشكل كبير في إجمالي الضوضاء. حاولت الدراسات السابقة معالجة تقليل الضوضاء، مع تقنيات اقترحها Chillotti وآخرون، وLegier وآخرون، وBernard وآخرون. تختتم الورقة بتقديم ثلاثة أسئلة بحثية مفتوحة تتعلق بالتحولات البديلة لتقليل الضوضاء، وتحديد الحدود الدنيا على تقليل الانجراف، وقابلية تطبيق تبديل المودول المدرك للانجراف خارج نطاق FHE، والتي يهدف المؤلفون إلى استكشافها في عملهم.
النتائج
في هذا القسم، يتحقق المؤلفون من التحسينات التي تم تحقيقها من خلال طرقهم المقترحة ويقيسونها. أولاً، يقيمون الضوضاء الناتجة عن تبديل المودول وتفكيك الأدوات، مقارنة السيناريوهات مع وبدون تعويض متوسط لتأكيد توقعاتهم النظرية. تخدم هذه المقارنة لتسليط الضوء على فعالية تعويض المتوسط في التخفيف من الضوضاء.
بالإضافة إلى ذلك، يقيم المؤلفون العبء الحسابي المرتبط بتقنيات تعويض المتوسط الخاصة بهم، مما يوفر رؤى حول الآثار العملية لتنفيذ هذه الطرق. أخيرًا، يقدمون التحسينات الملحوظة الناتجة عن تطبيق تعويض المتوسط جنبًا إلى جنب مع مجموعات المعلمات المثلى، مما يوضح الفعالية العامة لنهجهم في تعزيز الأداء.
المناقشة
في هذا القسم، يناقش المؤلفون مساهماتهم في تقليل ضوضاء التقريب في التشفير المتجانس بالكامل (FHE) أثناء عمليات التمهيد. يحددون أن بعض عمليات FHE، وخاصة تبديل المفاتيح، وتبديل المودول، والدوران الأعمى، تقدم ضوضاء غير ضرورية يمكن أن تؤدي إلى أخطاء في فك التشفير. يقترح المؤلفون تقنية تعويض متوسط تزيل بشكل فعال متوسط السر من معادلات الضوضاء، محققة تقليلًا يصل إلى الضعف في تباين الضوضاء. على سبيل المثال، يوضحون أنه من خلال ضبط جسم النص المشفر أثناء تبديل المفاتيح وتبديل المودول، يمكنهم تقليل احتمال الخطأ بشكل كبير من $2^{-64.30}$ إلى $2^{-100.47}$، أو بدلاً من ذلك، تعزيز الأداء بعامل يصل إلى $2.14\times$ مع الحفاظ على نفس معايير الأمان.
تحدد الورقة تنظيم الأقسام التالية، التي ستفصل تقنية تعويض المتوسط، ودمجها مع فك مفتاح التمهيد، والتحقق من تقليل الضوضاء في مكتبة TFHE-rs. كما يبرز المؤلفون أنه بينما قد تؤدي التركيبات الساذجة لتقنياتهم إلى نتائج دون المستوى الأمثل، فإن نهجهم المحسن يسمح بمزيد من التخفيضات في احتمال الخطأ، ليصل إلى انخفاض يصل إلى $2^{-102.73}$ أو $2^{-107.59}$ مع عوامل فك محددة. بشكل عام، تشير النتائج إلى أن طريقتهم لا تعزز فقط كفاءة عمليات FHE، بل تساهم أيضًا في متانة عمليات فك التشفير في التطبيقات العملية.
DOI: https://doi.org/10.46586/tches.v2026.i1.82-104
Publication Date: 2026-01-16
Author(s): Thomas De Ruijter et al.
Primary Topic: Cryptography and Data Security
Overview
The paper presents advancements in Fully Homomorphic Encryption (FHE), specifically addressing the challenges posed by noise during bootstrapping in Torus Fully Homomorphic Encryption (TFHE). The authors introduce a mean compensation technique aimed at mitigating approximation errors associated with modulus switching and gadget decomposition. This approach effectively reduces the noise variance by up to 50%, which significantly lowers the error probability from $2^{-64.30}$ to $2^{-100.47}$. The technique can be integrated with bootstrap key unrolling, resulting in further noise reduction and enhancing performance, achieving speedups of up to 2.14 times while maintaining security and error probability standards.
In conclusion, the proposed mean compensation method not only halves the approximation error during critical operations but also incurs negligible computational overhead. When combined with bootstrap key unrolling, it further decreases the error probability to $2^{-102.73}$ or $2^{-107.59}$ for unrolling factors of two or three, respectively. The findings suggest that new parameter sets can leverage this reduction in error probability to enhance performance, allowing for the evaluation of two functions on a single ciphertext without additional cost, thereby optimizing the efficiency of FHE systems.
Introduction
The introduction of this research paper discusses the rapid advancements in Machine Learning (ML) and the associated privacy risks when sensitive data is processed through untrusted cloud servers. To mitigate these risks, Fully Homomorphic Encryption (FHE) is proposed as a solution, allowing computations on encrypted data without exposing the underlying information. The paper highlights notable FHE schemes, including BFV, BGV, CKKS, and TFHE, emphasizing the importance of bootstrapping to manage noise in ciphertexts, which can lead to decryption errors if not controlled.
The authors focus on Torus Fully Homomorphic Encryption (TFHE), known for its efficient bootstrapping and support for non-linear function evaluation. They detail the challenges posed by noise variance during bootstrapping, particularly from approximation errors in key switching and modulus switching, which significantly contribute to total noise. Previous studies have attempted to address noise reduction, with techniques proposed by Chillotti et al., Legier et al., and Bernard et al. The paper concludes by presenting three open research questions regarding alternative transformations for noise reduction, establishing lower bounds on drift minimization, and the applicability of drift-aware modulus switching beyond FHE, which the authors aim to explore in their work.
Results
In this section, the authors validate and quantify the enhancements achieved through their proposed methods. They first assess the noise introduced by modulus switching and gadget decomposition, comparing scenarios with and without mean compensation to corroborate their theoretical predictions. This comparison serves to highlight the effectiveness of mean compensation in mitigating noise.
Additionally, the authors evaluate the computational overhead associated with their mean compensation techniques, providing insights into the practical implications of implementing these methods. Finally, they present the observed improvements resulting from the application of mean compensation alongside optimal parameter sets, demonstrating the overall efficacy of their approach in enhancing performance.
Discussion
In this section, the authors discuss their contributions to reducing approximation noise in Fully Homomorphic Encryption (FHE) during bootstrapping operations. They identify that certain FHE operations, particularly key switching, modulus switching, and blind rotations, introduce unnecessary noise that can lead to decryption errors. The authors propose a mean compensation technique that effectively removes the mean of the secret from the noise equations, achieving up to a twofold reduction in noise variance. For instance, they demonstrate that by adjusting the ciphertext body during key switching and modulus switching, they can significantly lower the error probability from $2^{-64.30}$ to $2^{-100.47}$, or alternatively, enhance performance by a factor of up to $2.14\times$ while maintaining the same security parameters.
The paper outlines the organization of the subsequent sections, which will detail the mean compensation technique, its combination with bootstrap key unrolling, and the verification of noise reduction in the TFHE-rs library. The authors also highlight that while naive combinations of their techniques may yield suboptimal results, their optimized approach allows for further reductions in error probability, reaching as low as $2^{-102.73}$ or $2^{-107.59}$ with specific unrolling factors. Overall, the findings suggest that their method not only enhances the efficiency of FHE operations but also contributes to the robustness of decryption processes in practical applications.