행렬 연산에 특화된 완전동형암호(FHE)에서 평가키가 메모리와 초기화의 주요 병목이 되는 문제를 해결하기 위해 Trace-Factored BigSwitch(TFB)가 제안됐다. Gentry-Lee(GL) 프레임워크에서 트레이스 곱은 4성분 암호문을 만드는데, TFB는 트레이스로 생성된 키의 랭크1 텐서 구조를 활용해 이때 필요한 거대한 곱 비밀키 평가키를 구조적으로 제거한다. 곱 비밀을 sY→sX 전환과 표준 기저환 재선형화로 대체함으로써 evk_XY→X를 아예 생성·저장하지 않고도 평가키 메모리를 이론상 약 50% 절감한다. 블록 행렬곱에서 반복되는 재선형화 비용을 상쇄하는 FRee-L 기법도 함께 제시돼, n=256 프로토타입에서 BigSwitch 키 용량을 768.0MiB에서 385.5MiB(49.80% 절감)로 줄이고 피크 메모리를 15.31%, 키 준비 시간을 51~63% 단축했으며, 실제 GPT-2 어텐션 커널에서 FRee-L의 추가 오버헤드는 K=512에서 0.0618%까지 낮아졌다.
- •행렬 특화 FHE의 평가키 메모리 병목을 해소하는 Trace-Factored BigSwitch(TFB) 제안
- •랭크1 텐서 구조 활용으로 거대한 곱 비밀키 평가키를 구조적으로 제거, 메모리 약 50% 절감
- •n=256 프로토타입에서 키 용량 768.0→385.5MiB, 피크 메모리 15.31%↓, 키 준비 51~63%↓
- •블록 행렬곱 재선형화 비용을 줄이는 FRee-L 기법도 함께 제안
- •실제 GPT-2 어텐션 커널에서 FRee-L 오버헤드가 K=512일 때 0.0618%까지 감소
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Trace-Factored BigSwitch for Matrix-Friendly FHE
- 1.TFB: 행렬 친화적 FHE의 평가키 병목인 곱-비밀키(sXsY→sX)를 랭크1 텐서 분해로 완전히 제거
- 2.OpenFHE(n=256)에서 BigSwitch 평가키 용량을 768→385.5MiB(약 49.8% 절감), 피크 메모리 15.3%↓
- 3.FRee-L로 K개 Trace 곱 누적 후 BigSwitch 1회 호출, GPT-2 어텐션(K=4)에서 오버헤드 5.9%로 축소
왜 중요한가?
행렬 연산이 핵심인 FHE 기반 암호화 추론(예: 트랜스포머 어텐션)에서 메모리·초기화 병목을 구조적으로 없애, GPT-2류 모델을 동형암호로 서빙할 때의 실용성을 크게 높인다.
본문 미리보기
Evaluation keys represent a primary memory and initialization bottleneck in matrix-native fully homomorphic encryption (FHE). In the Gentry–Lee (GL) framework, each Trace product yields a four component ciphertext whose BigSwitch procedure requires two extended-ring keys, dominated by a massive product-secret key (sXsY → sX). We present Trace-Factored BigSwitch (TFB), which structurally eliminates this product-secret evaluation key by exploiting the rank one tensor structure of the Trace-generat
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
