Efficient number theoretic transform implementation on GPU for homomorphic encryption

Özerk, Özgün; Elgezen, Can; Mert, Ahmet Can; Öztürk, Erdinç; Savaş, Erkay

doi:10.1007/s11227-021-03980-5

Cited by 34 publications

(28 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…HEAAN provides a GPU-accelerated version using CUDA, either with or without AVX512 support. While SEAL does not have an official GPU-capable version, previous works [43,44] have used GPU to accelerate SEAL, showing runtime improvements of up to 140×. PALISADE does not include a GPU version, but does have an experimental repository for using GPU to accelerate some core operations.…”

Section: Hardware Acceleration Supportmentioning

confidence: 99%

“…HEAAN is the only library in this investigation that comes with GPU support. There have been various research works implementing GPU acceleration for other libraries, but these changes are not usable in available versions of the libraries [44,59] The most intensive and dominant operations in CKKS are homomorphic multiplication and bootstrapping; we profile these operations on GPU to see how GPU acceleration affects the overall performance of computations.…”

Section: Impact Of Gpumentioning

confidence: 99%

See 1 more Smart Citation

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

Takeshita

Koirala

McKechney

et al. 2022

Preprint

View full text Add to dashboard Cite

Fully Homomorphic Encryption (FHE) allows computation on encrypted data. Various software libraries have implemented the approximate-arithmetic FHE scheme CKKS, which is highly useful for applications in machine learning and data analytics; each of these libraries have differing performance and features. It is useful for developers and researchers to learn details about these libraries' performance and their differences. Some previous work has profiled FHE and CKKS implementations for this purpose, but these comparisons are limited in their fairness and completeness. In this article, we compare four major libraries supporting the CKKS scheme. Working with the maintainers of each of the PALISADE, Microsoft SEAL, HElib, and HEAAN libraries, we devise methods for fair comparisons of these libraries, even with their widely varied development strategies and library architectures. To show the practical performance of these libraries, we present HEProfiler, a simple and extensible framework for profiling C++ FHE libraries. Our experimental evaluation is complete in both the scope of tasks tested and metrics evaluated, allowing us to draw conclusions about the behaviors of different libraries under a wide range of real-world workloads. This is the first work giving experimental comparisons of different bootstrapping-capable CKKS libraries.

show abstract

Section: Hardware Acceleration Supportmentioning

confidence: 99%

Section: Impact Of Gpumentioning

confidence: 99%

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

Takeshita

Koirala

McKechney

et al. 2022

Preprint

View full text Add to dashboard Cite

show abstract

“…Homomorfik şifreleme, temelinde kafes temelli (Lattice-Based) adı verilen matematiksel bir algoritmayı kullanır ve şifrelenmiş verinin içerisindeki şifreyi çözmeye gerek duymayan, gizlilik problemleri oluşturmayan bir şifreleme yöntemi olarak gizlilik koruma öncelikli uygulamalarda kullanılır. Aynı zamanda kriptoanalitik saldırılara karşı güvenli bir post-kuantum yöntemi olarak görülebilirler [41].…”

Section: Homomorfik şIfrelemeunclassified

Büyük Veri Tabanlı Arşivleme Yönetim Sistemi

ÇALIM¹,

KAYA²

2022

Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi

View full text Add to dashboard Cite

Yeni ürünlerin hizmete sunulması, müşteri sayısının hızla artması, denetim iz kayıtları gibi zorunlu olarak tutulması gereken verilerin boyutlarının fazla olması nedeniyle banka gibi kurumlarda veri büyüklüğü hızlı bir şekilde artmaktadır. Bu veriler mevcut sistemlerde yıllarca kaldığı zaman sistemleri ve uygulamaları ağırlaştırmakta, yedekleme ve sistem bakımı gibi operasyonel işlemlerin maliyetlerini arttırmaktadır. Bütün bu sorunlar için verilerin sınıflandırılarak erişim sıklığına göre kategorize edilmesi, sınıflandırılan verilerin anlık erişim gereksinimi olmayanlarının ikincil ve daha az maliyetli sistemlere taşınarak arşivlenmesi ve arşivlendikten sonra kaynak sistemden silinmesi gerekmektedir. Bu gereksinimleri karşılamak için yazılan büyük veri tabanlı arşivleme yönetim sistemi, bir yazılım ürünü olarak geliştirilmiştir. Yapısal ve yapısal olmayan verilerin Hadoop ekosisteminde arşivlenmesi verilere daha etkin erişim sağlayacak ve daha ucuz saklama maliyetleri getirecektir. Bu bağlamda yapılan çalışmada veri erişim katmanı, hizmet ve uygulama katmanından oluşan verileri, HDFS (Hadoop Distributed File System) dosya sistemi yapısında dağıtık olarak üç kopya halinde tutan ve fiziksel sunucular üzerinde sanallaştırma teknolojileri kullanılarak kurulan bir büyük veri tabanlı arşivleme yönetim sistemi geliştirilmiştir. Sonrasında ise ilişkisel veri tabanlarındaki yapısal tabloların erişimi ve aktarımı için Sqoop, yapısal olmayan kaynaklardan yapılan aktarımların gerçekleştirilmesi ve zamanlanması için Nifi araçları kullanılmıştır. İlişkisel veri tabanlarından büyük veri arşivleme sistemine aktarılan ve HDFS dosya yapısında tutulan verilerde hacimsel büyüklükte çok büyük oranda azalma gerçekleşmiştir. Veri erişim katmanı üzerinden yapılan veri sorgulama işlemlerinde ise özellikle sayısal olmayan verilerin erişiminde yüksek performans artışları gözlemlenmiştir. Bu çalışmada, büyük veri arşivleme ve veri analitiği kavramları incelenmiş ve bu kavramlar üzerine yapılan çalışmalar araştırılmıştır. Bu kapsamda gerçekleştirilen kaynak taramasından çıkarılan bilgiler neticesinde; veri büyüklüğünün ve veriye erişim hızı gereksinimin hızla arttığı kurumlarda kullanılabilecek olan, yüksek hız, yüksek verimlilik, daha az maliyet ve daha fazla çeşitlilik gereksinimlerini karşılayan bir arşivleme yönetim sistemi büyük veri platformu üzerinde gerçekleştirilmiştir.

show abstract

“…The NTT calculation speed can be improved by 0.2 ∼ 0.5. [9,10] proposed a GPU implementation of the NTT algorithm adapted to a fully homomorphic encryption scheme, and applied it to fully homomorphic encryption.…”

Section: Related Workmentioning

confidence: 99%

Highly efficient parallel design of Dilithium on GPUs

Zhao

Wang

Zhao

et al. 2022

Preprint

View full text Add to dashboard Cite

Confronted with severe challenges from quantum computers on public-key cryptography based on traditional number theory, post-quantum cryptography (PQC) has received a substantial amount of attentions. However, suffering from time-consuming polynomial operations, most post-quantum schemes cannot be really applied in practice, especially in high-concurrency scenarios. In this paper, we focus on the post-quantum signature algorithm, DILITHIUM, and present an optimized and highly parallel implementation on Graphics Processing Units (GPU). We give two optimized versions, named single mode and batch mode. In the scheme of single mode, we show efficient implementations of number theoretic transformations (NTT) and other polynomial operations adapted to the scheme. In the batch mode, we improve the reject sampling algorithm for the simultaneous processing of multiple sets of data. Finally, we implement our schemes on GPUs with different architectures, such as Pascal, Volta, and Turing, which shows that the speedup ratio of our schemes increases with the increasing of processed data number. The speedup is up to 11.18× for 15360 groups of data in our experimental environment. In the single mode, We can achieve a speedup of more than 4× for complex operations, such as NTT and its inverse. Other simpler operations such as reduce, caddq and decompose can also achieve an acceleration of 2× ~ 4×. In comparison with the original DILITHIUM scheme testing in the high-performance CPU 6133, our scheme finally has a 1.22× speedup even after taking the communication overhead between CPU and GPU into consideration.

show abstract

Efficient number theoretic transform implementation on GPU for homomorphic encryption

Cited by 34 publications

References 34 publications

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

HEProfiler: An In-Depth Profiler of Approximate Homomorphic Encryption Libraries

Büyük Veri Tabanlı Arşivleme Yönetim Sistemi

Highly efficient parallel design of Dilithium on GPUs

Contact Info

Product

Resources

About