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.
Encrypted Matrix-Vector Products from Secret Dual Codes
- 1.암호화된 행렬-벡터 곱(EMVP)을 LPN·LSN 가정 기반으로 효율적으로 계산하는 프로토콜 제시
- 2.필드 독립적 설계로, l이 수백 수준일 때 LSN 기반 온라인 비용이 평문 계산의 2배 미만
- 3.비밀 이원 선형 코드로 행렬·질의를 인코딩하고 잡음을 더해 대수적 공격을 방어
- 4.암호화 퍼지 검색, 안전 머신러닝 등 다양한 보안 계산에 활용 가능
왜 중요한가?
서버가 행렬 내용도 질의도 전혀 알 수 없는 상태에서 거의 평문 수준의 효율로 행렬-벡터 곱을 계산할 수 있게 해, 프라이버시 보존 검색·ML 인프라의 실용적 구현을 앞당긴다.
본문 미리보기
Motivated by applications to efficient secure computation, we consider the following problem of encrypted matrix–vector product (EMVP). Let $\mathbb F$ be a finite field. In an offline phase, a client uploads an encryption of a matrix $M \in \mathbb F^{m\times \ell}$ to a server, keeping only a short secret key. The server stores the encrypted matrix \(\hat{M}\). In the online phase, the client may repeatedly send encryptions \(\hat{ q}_i\) of query vectors \(q_i \in \mathbb F^\ell\), whi
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안



