CN112199707A - 一种同态加密中的数据处理方法、装置以及设备 - Google Patents

一种同态加密中的数据处理方法、装置以及设备 Download PDF

Info

Publication number
CN112199707A
CN112199707A CN202011170658.9A CN202011170658A CN112199707A CN 112199707 A CN112199707 A CN 112199707A CN 202011170658 A CN202011170658 A CN 202011170658A CN 112199707 A CN112199707 A CN 112199707A
Authority
CN
China
Prior art keywords
parameters
result
sub
digit
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011170658.9A
Other languages
English (en)
Other versions
CN112199707B (zh
Inventor
张君涛
周启贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202011170658.9A priority Critical patent/CN112199707B/zh
Publication of CN112199707A publication Critical patent/CN112199707A/zh
Application granted granted Critical
Publication of CN112199707B publication Critical patent/CN112199707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Executing Machine-Instructions (AREA)
  • Complex Calculations (AREA)

Abstract

本说明书实施例公开了一种同态加密中的数据处理方法、装置以及设备。方案包括：确定对指定的业务数据所要执行的同态加密操作，同态加密操作用于提供隐私保护；获取同态加密操作包含的模幂运算的幂运算参数和模参数；对幂运算参数进行分解，得到多个子参数；在GPU中，根据子参数和模参数，进行多次位数化简处理；针对位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到模乘运算的结果；根据模乘运算的结果，确定模幂运算的结果以完成同态加密操作。

Description

一种同态加密中的数据处理方法、装置以及设备
技术领域
本说明书涉及计算机软件技术领域，尤其涉及一种同态加密中的数据处理方法、装置以及设备。
背景技术
同态加密允许对密文域数据进行特定的代数运算，其解密的结果和明文域进行同样的计算结果相同或者相似。其特性被广泛应用在隐私保护的云服务计算、外包计算、联邦学习等场景中，是新兴隐私技术的一个方向。
参与同态加密过程的往往是给定数域下的大整数，大整数需要进行较多的模幂运算以满足其密码学性质。大整数也可以称作高精度数，一般指其范围已经超出了基本数据类型能够表示的范围的数，同态加密中的大整数的位数能够达到1024比特或者2048比特，而大整数的模幂运算又需要将大整数自乘很多次，从而给计算效率带来挑战。
基于此，需要能够更有效率实现同态加密的方案。
发明内容
本说明书一个或多个实施例提供一种同态加密中的数据处理方法、装置、设备以及存储介质，用以解决如下技术问题：需要能够更有效率实现同态加密的方案。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
本说明书一个或多个实施例提供的一种同态加密中的数据处理方法，包括：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在图形处理器(Graphics Processing Unit，GPU)中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
本说明书一个或多个实施例提供的一种同态加密中的数据处理装置，包括：
操作确定模块，确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
参数获取模块，获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
参数分解模块，对所述幂运算参数进行分解，得到多个子参数；
位数化简模块，在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
模乘处理模块，针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
结果确定模块，根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
本说明书一个或多个实施例提供的一种同态加密中的数据处理设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：针对同态加密中的模幂运算，能够将其分解处理，分解出的各部分通过相应的取模运算，一边化简位数，一边合并相应的中间结果直至得到模幂运算的结果，从而能够降低计算复杂度和计算开销，提高模幂运算的执行效率，进而更有效率地实现同态加密，保护用户隐私；不仅如此，还将通过分解批量产生的模乘运算在GPU中通过多算术逻辑单元多线程并行执行，有效发挥了GPU对于位数较少的批量计算任务执行效率高的优点。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的一种同态加密中的数据处理方法的流程示意图；
图2为本说明书一个或多个实施例提供的一种应用场景下，处理模幂运算的流程示意图；
图3为本说明书一个或多个实施例提供的一种应用场景下，处理模乘运算的流程示意图；
图4为本说明书一个或多个实施例提供的一种同态加密中的数据处理装置的结构示意图；
图5为本说明书一个或多个实施例提供的一种同态加密中的数据处理设备的结构示意图。
具体实施方式
本说明书实施例提供一种同态加密中的数据处理方法、装置、设备以及存储介质。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
在说明书一个或多个实施例中，考虑到GPU的性能发展迅速，适合执行批量的计算任务，而同态加密中包含大量的模幂运算，基于此，将GPU应用于同态加密中处理模幂运算，有助于提高同态加密效率。这里的模幂运算是指求整数P的K次方被正整数Q所除得到余数c的过程，可以用数学符号表示为：c＝PK mod Q，将PK统称为幂运算参数，P称为幂运算参数中的底数参数，K称为幂运算参数中的指数参数，m称为模参数。
由于GPU的大整数计算效率未必能够达到实际需求，本说明书的方案针对同态加密中的模幂运算，将其分解处理以化简位数(下面的实施例以二进制位数为例进行说明)，使得计算过程中位数不会指数增长，进一步地，还基于蒙哥马利域提高对分解处理后产生的模乘运算的执行效率，从而能够有效降低GPU的大整数计算负担，更充分地利用GPU批量小整数计算效率高的优点，提高总体的计算效率。
这样的思路不仅适用于用GPU提高同态加密效率的场景，还适用于其他一些为大整数模乘运算效率瓶颈所困的场景。下面基于这样的思路，以同态加密的场景为例具体进行说明。
图1为本说明书一个或多个实施例提供的一种同态加密中的数据处理方法的流程示意图。该方法可以应用于有用户隐私保护需求的业务领域，比如，互联网金融业务领域、电商业务领域、即时通讯业务领域、游戏业务领域、公务业务领域等。该流程可以由相应领域的计算设备(比如，支付业务对应的安全服务器或者智能移动终端等)执行。
图1中的流程可以包括以下步骤：
S102：确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护。
在本说明书一个或多个实施例中，业务数据可以是云服务计算、外包计算、联邦学习等应用场景下的用户提供的数据，这些数据往往涉及用户或者其客户的隐私，因此，通过同态加密来进行隐私保护。
S104：获取所述同态加密操作包含的模幂运算的幂运算参数和模参数。
在本说明书一个或多个实施例中，根据前面列举的c＝PK mod Q，模幂运算即为以模参数作为模，对幂运算参数取模的运算。模幂运算的参数中包含一个或者多个大整数，比如，模参数、幂运算参数中的底数参数和指数参数可以为位数相同的大整数。
对于同态加密中的模幂运算，其幂运算参数中的指数参数和/或底数参数的二进制位数往往不少于1024比特，甚至达到2048比特，这样的实际情况使得本说明的方案带来的计算效率提升更为明显，也更具实用价值。
S106：对所述幂运算参数进行分解，得到多个子参数。
在本说明书一个或多个实施例中，对幂运算参数进行无损分解，得到多个能够无损还原幂运算参数的子参数。
子参数之间的关系为乘积关系和/或加法关系，按照子参数之间的关系，对分解得到的这些子参数执行相应的运算，能够还原幂运算参数。无损分解的处理避免了给同态加密操作引入误差，有助于实现提高效率的效果下，也能够得到准确可靠的同态加密结果。
在本说明书一个或多个实施例中，分解得到的子参数对应的数值是幂运算参数对应的数值的一部分，使大部分子参数的位数少于幂运算参数的位数，以便减少计算复杂度。
S108：在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理。
S110：针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果。
在本说明书一个或多个实施例中，子参数能够表示幂运算参数的一部分，基于此，根据子参数，相应地将模幂运算过程分解为多个子过程执行，执行的方式可以是迭代执行或者分别独立执行，在子过程中根据模参数，通过取模运算进行位数化简处理，将位数保持在合理水平，以保证计算效率，避免直接执行幂运算(即将底数连乘指数次)导致位数迅速增长。
在实际应用中，相比于中央处理器(Central Processing Unit，CPU)，GPU中的控制逻辑单元少，却有大量的逻辑运算单元以及大量的GPU线程，适合高效地并行执行批量计算任务。尤其对于位数较少的批量计算任务而言，任务数量多，单个任务计算量少，则能够并行占用更多的逻辑运算单元和GPU线程，从而，提高总体的计算效率。
基于此，将方案中的至少部分步骤在GPU中执行，以加速同态加密过程。通过GPU获取子参数和模参数，在GPU中根据子参数和模参数，通过进行多次的位数化简处理，确定模幂运算的结果。当然，除了模幂运算以外，诸如分解幂运算参数等其他的处理步骤同样可以在GPU中执行。
S110：根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
在本说明书一个或多个实施例中，按照上面分解模幂运算过程的方案，执行同态加密直接包含的或者间接涉及的大量模幂运算。在指数参数是大整数的情况下，由于能够避免底数参数的大量连乘，因此尤其能够提高模幂运算的执行效率。
通过图1的方法，针对同态加密中的模幂运算，能够将其分解处理，分解出的各部分通过相应的取模运算，一边化简位数，一边合并相应的中间结果直至得到模幂运算的结果，从而能够降低计算复杂度和计算开销，提高模幂运算的执行效率，进而更有效率地实现同态加密，保护用户隐私；不仅如此，还将通过分解批量产生的模乘运算在GPU中通过多算术逻辑单元多线程并行执行，有效发挥了GPU对于位数较少的批量计算任务执行效率高的优点。
基于图1的方法，本说明书还提供了该方法的一些具体实施方案和扩展方案，下面继续进行说明。
在本说明书一个或多个实施例中，前面提到将模幂运算过程进行分解，更具体地，这里提供了一种应用场景下，处理模幂运算的流程，如图2所示。
图2中的流程可以包括以下步骤：
S202：将所述幂运算参数中的指数参数分解为二进制的数位。
考虑到计算设备很适合处理二进制数，将指数参数分解为二进制的数位，数位之间的关系是加法关系。将各数位在幂运算参数中所表示的数值相加，能够还原得到指数参数。按照同样的思路，将指数参数分解为2的更高次幂进制的数位也是可以的，比如分解为八进制的数位或者十六进制的数位，同样便于计算设备处理。
以二进制的数位为例，假定待执行的模幂运算为PK mod Q，其中，P、K、Q均为位数为N比特的大整数。
K为指数参数，将K分解为二进制的数位表示如下：
K:(KN,KN-1,...,Kn,...,K1),Kn∈{0,1}；
Figure BDA0002747174310000081
其中，KN是K的最高位，各数位按照从高到低的顺序排列，直到最低位K1，每个数位上的数字为二进制数字0或者1。
后面一些实施例沿用该例继续说明。
S204：确定所述数位分别对应的子参数。
子参数与分解出的数位是相对应的，在一一对应的情况下，子参数的值即为其对应的数位在幂运算参数中所表示的数值。
子参数之间的关系是乘积关系。将各子参数的值相乘，能够还原得到幂运算参数。
基于此，一种确定子参数的具体方案包括：确定数位分别对应的子参数以乘方进行表示，根据幂运算参数中的底数参数，确定乘方的底数，根据数位上的数字，确定乘方的指数；根据确定的底数和指数，确定子参数。
按照该具体方案，根据幂运算参数PK中的底数P，确定乘方的底数也为P，根据从最低位算起第n个数位(简称为数位Kn)上的数字Kn，确定乘方的指数为Kn*2n-1，进而确定数位Kn对应的子参数为
Figure BDA0002747174310000091
则将PK表示为子参数的乘积形式：
Figure BDA0002747174310000092
该例中确定出的子参数能够无损还原幂运算参数。当然，在实际应用中，若误差允许，也可以修改一部分数位，以尽量减少二进制数字1的出现，比如，假定对于指数参数的末尾若干个数位，若其中只有个别数位上的数字为1，则可以考虑将该个别数位上的数字修改为0。
S206：根据所述模参数，对所述子参数进行取模处理，得到对应的位数化简第一结果。
S208：确定所述子参数之间的乘积关系，所述幂运算参数是按照所述乘积关系分解得到所述多个子参数的。
S210：根据所述乘积关系，将两个所述子参数分别对应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果。
S212：将下一个所述子参数对应的所述位数化简第一结果与所述位数化简第二结果合并后再进行取模处理，得到更新的位数化简第二结果，针对剩余的所述子参数继续迭代执行该步骤，将所述迭代的过程执行完毕后得到的位数化简第二结果，确定为所述模幂运算的结果。
对于取模运算而言，有这样的性质：先取模再求乘积的结果等价于先求乘积再取模，重复取模的结果不变。利用这样的性质，比如将模幂运算分解为两类子过程，每类中都包含多个子过程，一类是对单个子参数执行取模运算的过程(对应于位数化简第一结果)，这是分别单独执行的子过程，另一类是对单个子参数的取模运算结果合并的过程，这是迭代执行的子过程，在迭代过程中可以进一步通过取模运算进行位数简化处理(对应于位数化简第二结果)。
基于此，图2中的流程的思路概括为：根据子参数之间的乘积关系，将两个子参数分别取模对应得到的位数化简结果合并后，再进行取模，从而实现进一步的位数化简，得到中间结果；以此类推，根据对剩余的子参数迭代更新中间结果，从而得到模幂运算的结果。如此，通过多次及时地执行取模运算，有效地控制了位数增长。
进一步地，对于某个子参数
Figure BDA0002747174310000101
若其对应的数位Kn＝0，则该子参数取值为1，由于子参数之间是乘积关系，因此，取值为1的子参数对模幂运算的结果不会有影响。则在上面的迭代过程中，主要迭代处理Kn＝1的子参数，有助于提高处理效率。
另外，需要说明的是，对于步骤S206，可以根据上述性质，将子参数进一步地分解为位数更少的乘积形式，将分解的各部分分别取模，之后合并再取模，这样的过程还可以迭代执行，以更有效地实现位数化简。
更直观地，沿用上例进行说明。
在确定子参数
Figure BDA0002747174310000102
后，初始化n＝1，初始化中间结果res＝1；
假定从最低的数位K1开始向KN遍历，若当前的数位Kn＝0则可以跳过该数位，若当前的数位Kn＝1，则res＝res*Pt mod Q，再处理下一个数位；
Pt为当前的数位对应的子参数的取模结果：
Figure BDA0002747174310000103
若n＝2，则Pt＝P2mod Q，若n>2，则比如可以将
Figure BDA0002747174310000111
分解为多个P2的乘积形式，对每个P2取模后，迭代地通过相乘取模而合并。
从而，模幂运算都被分解为模乘运算，能够使得运算过程中结果位数保持不超过2N，将计算复杂度由直接计算模幂运算的K次降低为LogK次。
在本说明书一个或多个实施例中，在对模幂运算的分解过程中产生了大量的模乘运算，基于蒙哥马利域处理模乘运算，以加快模乘运算的执行效率。思路是：将复杂的实数域模乘运算，转换为计算设备方便计算的蒙哥马利域模乘运算，针对单一的模乘运算，用一连串的加法与乘法替代常用的试除法，能够帮助GPU提高处理效率。
图3为本说明书一个或多个实施例提供的一种应用场景下，处理模乘运算的流程示意图。
图3中的流程包括以下步骤：
S302：将实数域的模乘运算的乘法运算参数从实数域转换至蒙哥马利域。
假定实数域的模乘运算记作：
x*y mod q，其中，x、y、q均为位数为N比特的大整数。
将实数域数转为蒙哥马利域需要对源数据乘上2m次方。m的值可以根据具体场景确定。
基于此，另R＝2m，根据实数域的x、y，相应转换生成处于蒙哥马利域的X、Y：X＝x*Rmod q；Y＝y*R mod q。
S304：根据所述转换的结果，相应地执行蒙哥马利域的模乘运算。
在得到处于蒙哥马利域的X、Y后，对X、Y相应地执行模乘运算，作为蒙哥马利域的模乘运算。即，计算XY mod q。
进一步地，可以确定x*y在蒙哥马利域的结果：
XY*R-1mod q＝x*y*R mod q。
之后，可以根据蒙哥马利域的模乘运算的结果，向实数域转换，以得到实数域的模乘运算的结果。具体如下后面的步骤。
S306：根据所述蒙哥马利域的模乘运算中的模参数，确定补偿系数。
S308：根据所述补偿系数，对所述蒙哥马利域的模乘运算中的乘法运算进行补偿，以使补偿后的所述乘法运算的结果便于移位操作。
S310：根据所述补偿后的所述乘法运算的结果，通过移位操作，向所述实数域转换，得到所述实数域的模乘运算的结果。
为了方便乘以R-1(即，除以R)，尝试寻找一个合适的k，作为补偿系数，使得：补偿后的乘法运算(XY+k*q)的后M个二进制数位上的数字均为0，如此，能够方便地进行移位操作，以更高效地实现除以R，通过除以R，将蒙哥马利域的计算结果转换为实数域的计算结果。M的值可以根据具体场景确定。需要说明的是，若整体的模幂运算尚未完成，则可以仍然保持处于蒙哥马利域中继续参与计算，若整体的模幂运算已经完成，则可以通过除以R，将蒙哥马利域的最终计算结果转换为实数域的计算结果，从而得到模幂运算的结果。
基于同样的思路，本说明书一个或多个实施例还提供了上述方法对应的装置和设备，如图4、图5所示。
图4为本说明书一个或多个实施例提供的一种同态加密中的数据处理装置的结构示意图，所述装置包括：
操作确定模块402，确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
参数获取模块404，获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
参数分解模块406，对所述幂运算参数进行分解，得到多个子参数；
位数化简模块408，在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
模乘处理模块410，针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
结果确定模块412，根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
可选地，所述模乘处理模块410，将实数域的模乘运算的乘法运算参数从实数域转换至蒙哥马利域；
根据所述转换的结果，相应地执行蒙哥马利域的模乘运算；
根据所述蒙哥马利域的模乘运算的结果，向所述实数域转换，得到所述实数域的模乘运算的结果。
可选地，所述模乘处理模块410，根据所述蒙哥马利域的模乘运算中的模参数，确定补偿系数；
根据所述补偿系数，对所述蒙哥马利域的模乘运算中的乘法运算进行补偿，以使补偿后的所述乘法运算的结果便于移位操作，
根据所述补偿后的所述乘法运算的结果，通过移位操作，向所述实数域转换。
可选地，所述参数分解模块406，将所述幂运算参数中的指数参数分解为二进制的数位；
确定所述数位分别对应的子参数。
可选地，所述参数分解模块406，确定所述数位分别对应的子参数以乘方进行表示；
根据所述幂运算参数中的底数参数，确定所述乘方的底数；
根据所述数位上的数字，确定所述乘方的指数；
根据确定的所述底数和所述指数，确定所述子参数。
可选地，所述位数化简模块408，根据所述模参数，对所述子参数进行取模处理，得到对应的位数化简第一结果；
根据所述子参数之间的关系，对相应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果。
可选地，所述位数化简模块408，确定所述子参数之间的乘积关系，所述幂运算参数是按照所述乘积关系分解得到所述多个子参数的；
根据所述乘积关系，将两个所述子参数分别对应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果；
将下一个所述子参数对应的所述位数化简第一结果与所述位数化简第二结果合并后再进行取模处理，得到更新的位数化简第二结果，针对剩余的所述子参数继续迭代执行该步骤。
可选地，所述位数化简第二结果是根据对应的所述模乘运算的结果确定的；
所述结果确定模块412，将所述迭代的过程执行完毕后得到的位数化简第二结果，确定为所述模幂运算的结果。
可选地，所述幂运算参数中的指数参数和/或底数参数的二进制位数不少于1024比特。
图5为本说明书一个或多个实施例提供的一种同态加密中的数据处理设备的结构示意图，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
处理器与存储器之间可以通过总线通信，设备还可以包括与其他设备通信的输入/输出接口。
基于同样的思路，本说明书一个或多个实施例还提供了对应于上述方法的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (19)

1.一种同态加密中的数据处理方法，包括：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在图形处理器GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
2.如权利要求1所述的方法，所述通过进行数域转换计算得到所述模乘运算的结果，具体包括：
将实数域的模乘运算的乘法运算参数从实数域转换至蒙哥马利域；
根据所述转换的结果，相应地执行蒙哥马利域的模乘运算；
根据所述蒙哥马利域的模乘运算的结果，向所述实数域转换，得到所述实数域的模乘运算的结果。
3.如权利要求2所述的方法，所述根据所述蒙哥马利域的模乘运算的结果，向所述实数域转换，具体包括：
根据所述蒙哥马利域的模乘运算中的模参数，确定补偿系数；
根据所述补偿系数，对所述蒙哥马利域的模乘运算中的乘法运算进行补偿，以使补偿后的所述乘法运算的结果便于移位操作，
根据所述补偿后的所述乘法运算的结果，通过移位操作，向所述实数域转换。
4.如权利要求1所述的方法，所述对所述幂运算参数进行分解，得到多个子参数，具体包括：
将所述幂运算参数中的指数参数分解为二进制的数位；
确定所述数位分别对应的子参数。
5.如权利要求4所述的方法，所述确定所述数位分别对应的子参数，具体包括：
确定所述数位分别对应的子参数以乘方进行表示；
根据所述幂运算参数中的底数参数，确定所述乘方的底数；
根据所述数位上的数字，确定所述乘方的指数；
根据确定的所述底数和所述指数，确定所述子参数。
6.如权利要求1所述的方法，所述根据所述子参数和所述模参数，进行多次的位数化简处理，具体包括：
根据所述模参数，对所述子参数进行取模处理，得到对应的位数化简第一结果；
根据所述子参数之间的关系，对相应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果。
7.如权利要求6所述的方法，所述根据所述子参数之间的关系，对相应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果，具体包括：
确定所述子参数之间的乘积关系，所述幂运算参数是按照所述乘积关系分解得到所述多个子参数的；
根据所述乘积关系，将两个所述子参数分别对应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果；
将下一个所述子参数对应的所述位数化简第一结果与所述位数化简第二结果合并后再进行取模处理，得到更新的位数化简第二结果，针对剩余的所述子参数继续迭代执行该步骤。
8.如权利要求7所述的方法，所述位数化简第二结果是根据对应的所述模乘运算的结果确定的；
所述根据所述模乘运算的结果，确定所述模幂运算的结果，具体包括：
将所述迭代的过程执行完毕后得到的位数化简第二结果，确定为所述模幂运算的结果。
9.如权利要求1～8任一项所述的方法，所述幂运算参数中的指数参数和/或底数参数的二进制位数不少于1024比特。
10.一种同态加密中的数据处理装置，包括：
操作确定模块，确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
参数获取模块，获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
参数分解模块，对所述幂运算参数进行分解，得到多个子参数；
位数化简模块，在图形处理器GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
模乘处理模块，针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
结果确定模块，根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
11.如权利要求10所述的装置，所述模乘处理模块，将实数域的模乘运算的乘法运算参数从实数域转换至蒙哥马利域；
根据所述转换的结果，相应地执行蒙哥马利域的模乘运算；
根据所述蒙哥马利域的模乘运算的结果，向所述实数域转换，得到所述实数域的模乘运算的结果。
12.如权利要求11所述的装置，所述模乘处理模块，根据所述蒙哥马利域的模乘运算中的模参数，确定补偿系数；
根据所述补偿系数，对所述蒙哥马利域的模乘运算中的乘法运算进行补偿，以使补偿后的所述乘法运算的结果便于移位操作，
根据所述补偿后的所述乘法运算的结果，通过移位操作，向所述实数域转换。
13.如权利要求10所述的装置，所述参数分解模块，将所述幂运算参数中的指数参数分解为二进制的数位；
确定所述数位分别对应的子参数。
14.如权利要求13所述的装置，所述参数分解模块，确定所述数位分别对应的子参数以乘方进行表示；
根据所述幂运算参数中的底数参数，确定所述乘方的底数；
根据所述数位上的数字，确定所述乘方的指数；
根据确定的所述底数和所述指数，确定所述子参数。
15.如权利要求10所述的装置，所述位数化简模块，根据所述模参数，对所述子参数进行取模处理，得到对应的位数化简第一结果；
根据所述子参数之间的关系，对相应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果。
16.如权利要求15所述的装置，所述位数化简模块，确定所述子参数之间的乘积关系，所述幂运算参数是按照所述乘积关系分解得到所述多个子参数的；
根据所述乘积关系，将两个所述子参数分别对应的所述位数化简第一结果合并后再进行取模处理，得到位数化简第二结果；
将下一个所述子参数对应的所述位数化简第一结果与所述位数化简第二结果合并后再进行取模处理，得到更新的位数化简第二结果，针对剩余的所述子参数继续迭代执行该步骤。
17.如权利要求16所述的装置，所述位数化简第二结果是根据对应的所述模乘运算的结果确定的；
所述结果确定模块，将所述迭代的过程执行完毕后得到的位数化简第二结果，确定为所述模幂运算的结果。
18.如权利要求10～17任一项所述的装置，所述幂运算参数中的指数参数和/或底数参数的二进制位数不少于1024比特。
19.一种同态加密中的数据处理设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
确定对指定的业务数据所要执行的同态加密操作，所述同态加密操作用于提供隐私保护；
获取所述同态加密操作包含的模幂运算的幂运算参数和模参数；
对所述幂运算参数进行分解，得到多个子参数；
在图形处理器GPU中，根据所述子参数和所述模参数，进行多次位数化简处理；
针对所述位数化简处理的过程中批量产生的模乘运算，分配给GPU的多个算数逻辑单元及其对应的多个线程执行，执行过程中通过进行数域转换计算得到所述模乘运算的结果；
根据所述模乘运算的结果，确定所述模幂运算的结果以完成所述同态加密操作。
CN202011170658.9A 2020-10-28 2020-10-28 一种同态加密中的数据处理方法、装置以及设备 Active CN112199707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011170658.9A CN112199707B (zh) 2020-10-28 2020-10-28 一种同态加密中的数据处理方法、装置以及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011170658.9A CN112199707B (zh) 2020-10-28 2020-10-28 一种同态加密中的数据处理方法、装置以及设备

Publications (2)

Publication Number Publication Date
CN112199707A true CN112199707A (zh) 2021-01-08
CN112199707B CN112199707B (zh) 2022-12-27

Family

ID=74011736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011170658.9A Active CN112199707B (zh) 2020-10-28 2020-10-28 一种同态加密中的数据处理方法、装置以及设备

Country Status (1)

Country Link
CN (1) CN112199707B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883408A (zh) * 2021-04-29 2021-06-01 深圳致星科技有限公司 用于隐私计算的加解密系统和芯片
CN113032848A (zh) * 2021-05-20 2021-06-25 华控清交信息科技(北京)有限公司 一种数据处理方法和用于数据处理的芯片
CN113067694A (zh) * 2021-03-31 2021-07-02 支付宝(杭州)信息技术有限公司 一种通信优化的双方安全比较方法、装置以及设备
CN113343262A (zh) * 2021-06-22 2021-09-03 海光信息技术股份有限公司 同态加密装置、同态加密芯片及同态加密方法
CN113660076A (zh) * 2021-07-15 2021-11-16 南京大学 基于可重构技术的同态加密系统及同态加密执行方法
CN113746620A (zh) * 2021-09-13 2021-12-03 深圳前海微众银行股份有限公司 同态加密方法、设备、介质及计算机程序产品
CN114765520A (zh) * 2021-01-15 2022-07-19 联发科技股份有限公司 配置tci状态应用于分量载波的方法及其用户设备
CN114793155A (zh) * 2022-04-12 2022-07-26 支付宝(杭州)信息技术有限公司 多方安全计算的方法及装置
CN115459898A (zh) * 2022-08-23 2022-12-09 西安电子科技大学 一种基于GPU的Paillier同态加解密计算方法及系统
CN116964554A (zh) * 2021-02-26 2023-10-27 扎马简易股份有限公司 加密标量乘法
CN117527192A (zh) * 2024-01-08 2024-02-06 蓝象智联(杭州)科技有限公司 一种基于GPU的Paillier解密方法
CN117688595A (zh) * 2024-02-04 2024-03-12 南湖实验室 一种基于可信执行环境的同态加密性能提升方法及其系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216754A (zh) * 2007-12-27 2008-07-09 广州杰赛科技股份有限公司 模乘运算的处理方法、数据加解密处理的方法、装置
WO2013085487A1 (en) * 2011-12-05 2013-06-13 Intel Corporation Efficient multiplication, exponentiation and modular reduction implementations
CN106371803A (zh) * 2015-07-22 2017-02-01 华邦电子股份有限公司 用于蒙哥马利域的计算方法和计算装置
US20180181391A1 (en) * 2016-12-22 2018-06-28 Intel Corporation Montgomery multiplication processors, methods, systems, and instructions
CN111092718A (zh) * 2019-12-25 2020-05-01 北京天融信网络安全技术有限公司 加密方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216754A (zh) * 2007-12-27 2008-07-09 广州杰赛科技股份有限公司 模乘运算的处理方法、数据加解密处理的方法、装置
WO2013085487A1 (en) * 2011-12-05 2013-06-13 Intel Corporation Efficient multiplication, exponentiation and modular reduction implementations
CN106371803A (zh) * 2015-07-22 2017-02-01 华邦电子股份有限公司 用于蒙哥马利域的计算方法和计算装置
US20180181391A1 (en) * 2016-12-22 2018-06-28 Intel Corporation Montgomery multiplication processors, methods, systems, and instructions
CN111092718A (zh) * 2019-12-25 2020-05-01 北京天融信网络安全技术有限公司 加密方法、装置及电子设备

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
VEVID: "RSA算法实现与蒙哥马利算法", 《HTTPS://BLOG.CSDN.NET/W371500241/ARTICLE/DETAILS/53994749》 *
WEI WANG: "FPGA implementation of a large-number multiplier for fully homomorphic encryption", 《 2013 IEEE INTERNATIONAL SYMPOSIUM ON CIRCUITS AND SYSTEMS (ISCAS)》 *
WEI WANG: "VLSI Design of a Large-Number Multiplier for Fully Homomorphic Encryption", 《 IEEE TRANSACTIONS ON VERY LARGE SCALE INTEGRATION (VLSI) SYSTEMS 》 *
唐天泽: "大数乘法的GPU加速实现", 《计算机应用研究》 *
因格里德.M.R.维鲍维迪主编: "《安全集成电路与系统》", 30 April 2019, 国防工业出版社 *
帕诺斯.卢里达斯: "《真实世界的算法》", 30 June 2020, 机械工业出版社 *
朱海峰: "RSA关键运算分析优化与硬件实现研究", 《南通大学学报》 *
王全福: "基于ECC的同态加密算法研究与改进", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114765520A (zh) * 2021-01-15 2022-07-19 联发科技股份有限公司 配置tci状态应用于分量载波的方法及其用户设备
CN116964554A (zh) * 2021-02-26 2023-10-27 扎马简易股份有限公司 加密标量乘法
CN113067694A (zh) * 2021-03-31 2021-07-02 支付宝(杭州)信息技术有限公司 一种通信优化的双方安全比较方法、装置以及设备
CN113067694B (zh) * 2021-03-31 2022-08-26 支付宝(杭州)信息技术有限公司 一种通信优化的双方安全比较方法、装置以及设备
CN112883408B (zh) * 2021-04-29 2021-07-16 深圳致星科技有限公司 用于隐私计算的加解密系统和芯片
CN112883408A (zh) * 2021-04-29 2021-06-01 深圳致星科技有限公司 用于隐私计算的加解密系统和芯片
CN113032848B (zh) * 2021-05-20 2021-08-10 华控清交信息科技(北京)有限公司 一种数据处理方法和用于数据处理的芯片
CN113032848A (zh) * 2021-05-20 2021-06-25 华控清交信息科技(北京)有限公司 一种数据处理方法和用于数据处理的芯片
CN113343262A (zh) * 2021-06-22 2021-09-03 海光信息技术股份有限公司 同态加密装置、同态加密芯片及同态加密方法
CN113343262B (zh) * 2021-06-22 2022-10-11 海光信息技术股份有限公司 同态加密装置、同态加密芯片及同态加密方法
CN113660076A (zh) * 2021-07-15 2021-11-16 南京大学 基于可重构技术的同态加密系统及同态加密执行方法
CN113746620A (zh) * 2021-09-13 2021-12-03 深圳前海微众银行股份有限公司 同态加密方法、设备、介质及计算机程序产品
CN113746620B (zh) * 2021-09-13 2024-04-23 深圳前海微众银行股份有限公司 同态加密方法、设备、介质及计算机程序产品
CN114793155A (zh) * 2022-04-12 2022-07-26 支付宝(杭州)信息技术有限公司 多方安全计算的方法及装置
CN115459898A (zh) * 2022-08-23 2022-12-09 西安电子科技大学 一种基于GPU的Paillier同态加解密计算方法及系统
CN117527192A (zh) * 2024-01-08 2024-02-06 蓝象智联(杭州)科技有限公司 一种基于GPU的Paillier解密方法
CN117527192B (zh) * 2024-01-08 2024-04-05 蓝象智联(杭州)科技有限公司 一种基于GPU的Paillier解密方法
CN117688595A (zh) * 2024-02-04 2024-03-12 南湖实验室 一种基于可信执行环境的同态加密性能提升方法及其系统
CN117688595B (zh) * 2024-02-04 2024-05-31 南湖实验室 一种基于可信执行环境的同态加密性能提升方法及其系统

Also Published As

Publication number Publication date
CN112199707B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN112199707B (zh) 一种同态加密中的数据处理方法、装置以及设备
CN112200713B (zh) 一种联邦学习中的业务数据处理方法、装置以及设备
CN112162723B (zh) 一种量子减法运算方法、装置、电子装置及存储介质
EP3912074B1 (en) Generating a synchronous digital circuit from a source code construct defining a function call
CN112016120A (zh) 基于用户隐私保护的事件预测方法和装置
KR102111871B1 (ko) 랜덤 문자열을 생성하기 위한 방법 및 장치
US20190235834A1 (en) Optimization apparatus and control method thereof
CN112214200B (zh) 一种量子减法运算方法、装置、电子装置及存储介质
CN112162724B (zh) 一种带精度的量子除法运算方法及装置
CN111914987A (zh) 基于神经网络的数据处理方法及装置、设备和可读介质
US10467324B2 (en) Data packing techniques for hard-wired multiplier circuits
CN116436709B (zh) 一种数据的加解密方法、装置、设备和介质
CN115483934A (zh) 用于多方安全计算的数据转换方法和装置
CN113067694B (zh) 一种通信优化的双方安全比较方法、装置以及设备
CN115809707A (zh) 量子比较运算方法、装置、电子装置及基础算术组件
CN111598219A (zh) 一种深度可分离卷积的量化方法、装置、设备及介质
JP5896756B2 (ja) 演算装置及びプログラム
CN116737390B (zh) 原子操作的处理方法、装置、电子设备和存储介质
CN112162725B (zh) 一种量子除法运算方法、装置、电子装置及存储介质
US20230133360A1 (en) Compute-In-Memory-Based Floating-Point Processor
CN111201559B (zh) 置换装置、置换方法、以及记录介质
CN111555815A (zh) 时间编码方法，装置及存储介质
John et al. Modified APC-OMS Combined LUT for Memory Based Computation
CN117540669A (zh) 数字电路的结构化数据处理方法及装置
CN116957013A (zh) 浮点型卷积算子加速方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40044672

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant