一种基于GPU优化的TFHE门自举方法技术

本发明专利技术提出一种基于GPU的TFHE门自举优化方法，首先将盲旋转中的“零因子”多项式消除，减少了多项式乘法计算的次数；其次，提出基于NTT的外积运算分解法，外积运算分解不再依赖于Gadget分解参数l，也即一种尺度不变的外积运算分解法；最后，合并样本提取与密钥转换过程，并且基于GPU的并行计算对门自举过程进行并行化实现，提高了TFHE方案的门自举效率。将本发明专利技术无零盲旋转算法应用到NAND门上进行门自举过程，与TFHE方案相比加速比约为1.9。

【技术实现步骤摘要】

本专利技术涉及同态加密，具体为一种基于gpu的tfhe门自举优化方法，属于环面全同态加密中的门自举方法。

技术介绍

1、用通俗的话来定义同态加密(homomorphic encryption,he)：由明文同态加密生成密文，对密文进行任意计算后解密，与对明文进行对应计算的结果相同。但同态加密本身在加密时引入了噪声，随着计算次数的增多噪声也越来越大，所以可能解密不出正确的结果。为了能对密文进行正确解密，同态加密方案使用了密文刷新技术，称为自举(bootstrapping)，引入自举之后的同态加密方案即为全同态加密方案(fullyhomomorphic encryption,fhe)。通过自举技术可以有效降低同态计算后的噪声，自举对大噪声的密文进行处理，使得噪声大小与初始相同。

2、2016年由chillotti等人在文献“faster fully homomorphic encryption:bootstrapping in less than 0.1seconds.asiacrypt,2016”提出了一种全同态加密方案——tfhe。该方案提出的本文档来自技高网...

【技术保护点】

1.一种基于GPU优化的TFHE门自举方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种基于GPU优化的TFHE门自举方法，其特征在于：步骤2中，无零盲旋转算法在GPU上实现时，将所有线程平均分为n个分组，将每个分组看做一个块，每个块有唯一编号Bi,i＝0,1,...,n-1，其中包含k·l·N个线程；

3.根据权利要求2所述一种基于GPU优化的TFHE门自举方法，其特征在于：步骤2.2公式在块内线程具体计算过程为：

4.根据权利要求3所述一种基于GPU优化的TFHE门自举方法，其特征在于：步骤2.2.2中，S′的计算过程转换为矩阵形式如公式...

【技术特征摘要】

1.一种基于gpu优化的tfhe门自举方法，其特征在于：包括以下步骤：

2.根据权利要求1所述一种基于gpu优化的tfhe门自举方法，其特征在于：步骤2中，无零盲旋转算法在gpu上实现时，将所有线程平均分为n个分组，将每个分组看做一个块，每个块有唯一编号bi,i＝0,1,...,n-1，其中包含k·l·n个线程；

3.根据权利要求2所述一种基于gpu优化的tfhe门自举方法，其特征在于：步骤2.2...

【专利技术属性】
技术研发人员：李慧贤，王浩，潘登，李四龙，李博豪，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：