The Peacock Encryption Method
Antti Alexander Kestila
这里描述了一种实现安全的“反搜索引擎”加密的初步方法，其中中间人可以参与加密的信息交换，而不能够理解使用单向函数加密的交换信息，以及不知道两个主要交换参与者之一。
Here is described a preliminary method that enables secure 'anti-search-engine' encryption, where the middleman can participate in the encrypted information exchange, without being able to understand the exchanged information, encrypted using a one-way function, as well as being unaware of one of two main exchange participants.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Checking chordality on homomorphically encrypted graphs
实现完全同态加密的突破引发了对在何处以及如何应用同态加密方案的大量研究，使得可以在没有秘密密钥的情况下对加密数据执行操作，同时仍然获得正确的输出。由于大多数加密方案所允许的计算成本、膨胀的密文大小和有限的算术运算，同态加密的可行应用很少。虽然理论家们正在研究同态加密的数学和密码学基础，以克服当前的限制，从业者也重新设计查询和算法，以适应当前的加密方案的功能。作为同态加密图的初步研究，本文提供了一个易于实现的交互式算法来检查同态加密图是否是弦图。该算法是对现有算法的一个简单重构，使其能够在加密的邻接矩阵上运行。
PE-AONT: Partial Encryption combined with an All-or-Nothing Transform
在这份报告中，我们介绍了PE-AONT：一种新的算法，快速和安全的数据碎片。初始数据被分段，并且仅对片段的选定子集进行加密。此外，使用混合加密和非加密片段的全有或全无变换的变型来变换片段。通过仅部分加密数据，我们实现了比包括数据加密和直接分片的相关技术更好的性能。此外，当明智地选择加密片段和非加密片段的数量之间的比率时，片段内的数据被保护以免暴露加密密钥，除非所有片段都被攻击者收集。
Sharing Data Homomorphically Encrypted with Different Encryption Keys
在本文中，我们提出了第一个基于同态的代理重新加密（HPRE）解决方案，允许不同的用户共享他们外包同态加密使用各自的公钥与远程处理这些数据的可能性的数据。更清楚地，该方案使得在没有可信第三方的帮助下将公共加密密钥切换到另一个密钥成为可能。它的独创性在于我们提出的一种方法，以便计算两个加密数据之间的差异，而无需解密它们，也无需额外的通信。基本上，在我们的HPRE方案中，两个用户，委托者和被委托者，要求云服务器基于秘密密钥生成加密的噪声，这两个用户之前达成一致。基于我们用于比较加密数据的解决方案，云计算加密的噪声和委托者的加密数据之间的差异，从而获得盲数据。接下来，云使用代表的公钥加密这些差异。由于噪声也是代理已知的，所以这个代理只需要删除它就可以访问用他的公钥加密的数据。这种解决方案已经在外包到半诚实云服务器的图像共享的情况下进行了实验。
Data Querying with Ciphertext Policy Attribute Based Encryption
数据加密限制了查询的能力和效率。加密数据的直接处理在理想情况下应该是可能的，以避免对数据解密、处理和重新加密的需要。保持数据的可搜索性和可排序性至关重要。也就是说，有些信息是故意泄露的。这种故意泄漏技术被称为“加密数据查询方案”，它提供了机密性以及加密数据查询，但并不意味着提供灵活的访问控制。本文建议使用基于密文策略属性的加密（CP-ABE），以解决三个安全需求，即：机密性，加密数据的查询，和灵活的访问控制。通过结合灵活的访问控制和数据机密性，CP-ABE可以认证谁可以访问数据和拥有的秘密密钥。因此，本文确定有多少数据泄漏，以弄清楚什么样的操作是允许的数据加密时，CP-ABE。
k-Anonymously Private Search over Encrypted Data
在本文中，我们比较了各种同态加密方法的性能上的私人搜索方案，可以实现$k$ -匿名隐私。为了使我们的基准测试公平，我们使用由专家编写并经过严格审查的开源加密库。我们发现Goldwasser-Micali加密在实际应用中达到了足够好的性能，而完全同态加密比部分加密（如Goldwasser-Micali和Paillier）慢得多。
An End-to-End GSM/SMS Encrypted Approach for Smartphone Employing Advanced Encryption Standard(AES)
本文提出了一种基于AES的端到端GSM/SMS加密方法，通过加密文本消息实现安全传输，确保数据保护与隐私安全。
Revisiting Fully Homomorphic Encryption Schemes
本文综述了文献中的多种全同态加密方案，分析并比较了各方案的结果，并提供了相关应用与开源工具。
On the Security of Pixel-Based Image Encryption for Privacy-Preserving Deep Neural Networks
本文旨在评估一种基于像素的图像加密方法的安全性，该方法已被提出用于将没有视觉信息的图像应用于深度神经网络（DNN），以对抗仅密文攻击（COA）。此外，我们提出了一种新的基于DNN的COA，旨在重建加密图像的视觉信息。在两种加密密钥条件下评估了该攻击的有效性：相同的加密密钥和不同的加密密钥。实验结果表明，在相同的密钥下，该攻击可以恢复加密图像的视觉信息。另外，基于像素的图像加密方法对COA具有鲁棒性。
A Jigsaw Puzzle Solver-based Attack on Block-wise Image Encryption for Privacy-preserving DNNs
隐私保护深度神经网络（DNN）已经被提出用于保护云服务器中的数据隐私。虽然已经提出了几种用于保护隐私的DNN的视觉保护加密方案，但一些攻击可以从加密图像中恢复视觉信息。另一方面，它已被证实，分块的图像加密方案，利用块和像素洗牌是强大的对几种攻击。在本文中，我们提出了一个拼图解决方案为基础的攻击，以恢复从加密图像，包括块和像素洗牌的视觉信息。在实验中，图像加密使用分块图像加密大多是通过使用所提出的攻击恢复。
FLSSM: A Federated Learning Storage Security Model with Homomorphic Encryption
FLSSM通过同态加密技术解决联邦学习中的计算效率、攻击追溯和贡献评估问题，提升模型隐私保护和安全性能。
Computing Blindfolded on Data Homomorphically Encrypted under Multiple Keys: An Extended Survey
新的加密技术，如同态加密（HE），允许将计算外包给资源丰富的云中，并在资源丰富的云中进行盲评估。这些计算通常需要多个参与者拥有的私有数据，参与某些功能的联合评估。例如，全基因组关联研究（GWAS）由于最近基因组测序技术的激增而变得可行。由于基因组数据的敏感性，这些数据应该使用不同的密钥进行加密。然而，支持对在多个密钥下加密的密文进行计算是一项不平凡的任务。在本文中，我们提出了一个全面的调查不同的国家的最先进的密码技术和方案，是常用的。本文综述了基于属性的加密（ABE）、代理重加密（PRE）、门限同态加密（ThHE）和多密钥同态加密（MKHE）等技术和方案。我们基于不同的系统和安全模型分析它们，并研究它们的复杂性。我们分享经验教训，并提出意见，以设计更好的方案，减少间接费用。
Encrypted Federated Search Using Homomorphic Encryption
本文提出一种基于同态加密的隐私保护联邦搜索系统，使执法机构能在不解密数据的情况下跨分布式加密犯罪数据库执行查询，并集成CKKS与BFV方案以兼顾实时性、安全性和可扩展性。
On the Security of Fully Homomorphic Encryption and Encrypted Computing: Is Division safe?
由于全同态加密和同态加密计算保留了诸如2*2=2+2的代数恒等式，因此自然的问题是，这种极其实用的特征是否也建立了使用加密的算术运算符来生成或识别已知常数的乘积的密码攻击。特别是，软件或硬件可能使用加密的加法和乘法来进行加密的除法，并传递x/x=1的加密。然后可以使用它来生成1+1=2等，直到获得完整的码本。这篇论文表明，没有公式或计算使用32位乘法x*y和三输入加法x+y+z，从未知的输入产生一个已知的常数。我们讨论了什么样的操作是类似的“安全”单独或在公司，并表明，32位除法在这个意义上是不安全的，但也有一些微不足道的修改，使之成为这样。
Faster CryptoNets: Leveraging Sparsity for Real-World Encrypted Inference
同态加密允许在数据保持加密的同时对数据进行任意计算。这种隐私保护特征对于机器学习是有吸引力的，但是由于加密方案的大开销而需要显著的计算时间。我们提出了更快的CryptoNets，一种使用神经网络进行有效加密推理的方法。我们开发了一种修剪和量化的方法，利用稀疏表示在底层密码系统，以加速推理。我们推导出一个最佳的近似流行的激活函数，实现最大稀疏编码，并尽量减少近似误差。我们还展示了如何通过利用迁移学习和差分隐私，使用隐私安全训练技术来减少对真实数据集进行加密推理的开销。我们的实验表明，我们的方法保持竞争力的准确性，并实现了显着的加速比以前的方法。这项工作增加了使用同态加密来保护用户隐私的深度学习系统的可行性。
Secure Multilayer Perceptron Based On Homomorphic Encryption
在这项工作中，我们提出了一个外包的安全多层感知器（SMLP）计划，在训练和分类阶段确保数据和模型的隐私和机密性。更清楚地说，这个SMLP：i）可以由云服务器基于用户先前以同态加密形式外包的数据来训练; ii）其参数是同态加密的，从而不给出云的线索;以及iii）其还可以用于对由用户发送的新的加密数据进行分类，用户向其返回加密的加密分类结果。这个计划的独创性有三个方面。据我们所知，它是第一个多层感知器（MLP）在同态加密数据的训练阶段没有收敛问题。它不需要服务器和用户之间的额外通信。它是基于整流线性单元（ReLU）激活函数，我们确保没有近似与实际SMLP解决方案。为此，我们利用两个半诚实的非串通服务器。在一个用Paillier密码系统加密的二进制数据库上进行的实验结果证明了我们方案的整体性能及其收敛性。
Encryption-Aware Anomaly Detection in Power Grid Communication Networks
针对加密流量下传统入侵检测失效的问题，本文分析加密电网低层通信层，结合统计学与机器学习识别异常，提出协调式安全防护思路。
Lattice-based public key encryption with equality test supporting flexible authorization in standard model
公钥相等性测试加密（PKEET）支持检查两个不同公钥加密的密文是否包含相同的消息。PKEET在加密数据的关键字搜索、加密数据管理中的加密数据划分、个人健康档案系统、加密邮件系统中的垃圾邮件过滤等方面有着广泛的应用，但PKEET方案缺乏一个授权机制，用户无法控制其密文与其他密文的比较。2015年，Ma等人引入了PKEET灵活授权（PKEET-FA）的概念，加强了隐私保护。自2015年以来，PKEET-FA有几个后续工作。但是，在随机预言模型中，所有这些都是安全的。此外，所有这些都容易受到量子攻击。本文给出了标准模型下量子安全PKEET-FA安全的三种构造。基于整数格和理想格的硬度假设，所提出的构造是安全的。最后，我们在理想格上实现了PKEET-FA方案。
A Secure Database System using Homomorphic Encryption Schemes
云计算作为一种有吸引力的解决方案出现，可以委托存储和处理机密数据。然而，这种系统会遇到几个安全风险，因为安全加密的数据在处理之前应该被解密。因此，解密的数据容易被读取和更改。因此，自1978年RSA加密方案发表以来，处理加密数据一直是一个研究课题。本文提出了一种基于同态加密方案的关系数据库系统，以保护数据的完整性和机密性。我们的系统在加密数据上执行SQL查询。我们测试了我们的系统与最近开发的同态方案，使执行的算术运算的密文。我们表明，所提出的系统执行准确的SQL操作，但其性能阻碍了该系统的实际实施。
Image Manipulation Specifications on Social Networking Services for Encryption-then-Compression Systems
已经提出了加密然后压缩（ETC）系统以通过不可信的信道提供者安全地传输图像。在这项研究中，EtC系统被应用于像Twitter这样的社交媒体，进行图像处理。在EtC系统中使用的基于块置乱的加密方案在其对社交媒体上的图像操纵的鲁棒性方面进行了评估。目的是调查五个社交网络服务提供商，Facebook，Twitter，Google+，Tumblr和Flickr如何操纵图像，并确定上传到社交网络服务提供商的加密图像是否可以避免被这种操纵扭曲。在一项实验中，加密和未加密的JPEG图像被上传到各种SNS提供商。结果表明，EtC系统适用于五个SNS提供商。
Enhancing Selective Encryption for H.264/AVC Using Advanced Encryption Standard
随着移动设备的出现，多媒体信息的可用性急剧增加。但是这种可用性带来了维护公开显示的信息的安全性的问题。已经使用或提出了许多方法来为网络上的信息传播提供安全性，更具体地分类为加密信息的保护系统，以及视频压缩和加密之间的组合以增加信息安全。视频压缩与加密技术的结合之所以如此紧密，是因为视频压缩和加密保密视频流的标准算法还不存在。此外，在视频加密方法中可以使用许多方法，例如将几种不同的加密方法与视频压缩相结合以传递秘密视频流。此外，没有正式的方法来发现加密的视频。因此，本文的任务变得困难。本文提出了一种新的视频加密系统。该系统旨在深入了解多媒体技术中视频数据的安全性，研究如何在实时的视频应用中实现加密和解密，以及增强H. 264/AVC的选择性加密。该系统包括两个主要功能;第一个是视频流的编码/加密，通过两个过程的执行（输入的视频序列首先由H. 264/AVC编码器压缩，编码的比特流（I帧）使用AES分组密码进行部分加密）。第二个功能是通过两个过程（指定加密的I帧流，I帧的解密，以及使用H. 264/AVC解码器解码）对加密视频进行解密/解码。该系统是用Matlab实现的。
Secure k-Anonymization over Encrypted Databases
数据保护算法对于支持促进数据共享和数据货币化的现代业务需求正变得越来越重要。摘要数据共享是实现数据共享的重要步骤。一些组织利用第三方来存储和管理数据。然而，第三方通常不被信任来存储明文个人和敏感数据;数据加密被广泛采用，以防止有意和无意地读取个人/敏感数据。传统的加密方案不支持对密文的操作，因此对加密数据集进行匿名化对于当前的方法是不可行的。本文探讨了利用同态加密在加密数据集上实现隐私保护数据发布工作流的可行性和深度。我们演示了如何实现唯一性发现，数据屏蔽，差分隐私和K-匿名加密数据需要零知识的原始值。我们证明了我们的方法所遵循的安全协议提供了强有力的保证，对推理攻击。最后，我们通过实验证明了我们的数据发布工作流组件的性能。
Equi-Joins Over Encrypted Data for Series of Queries
加密提供了一种保护外包给DBMS提供商的数据的方法，例如，在云端但是，对加密数据执行数据库操作需要专门的加密方案，这些加密方案需要仔细平衡安全性和性能。在本文中，我们提出了一种新的加密方案，可以有效地执行equi-joins加密数据具有更好的安全性比国家的最先进的。特别是，我们的加密方案减少泄漏到平等的行匹配的选择标准，只揭示了传递封闭的泄漏的总和，每个查询在一系列的查询。我们的加密方案是可证明安全的。我们实现了我们的加密方案，并在TPC-H基准测试的数据集上对其进行了评估。
Fully Homomorphic Encryption Encapsulated Difference Expansion for Reversible Data hiding in Encrypted Domain
提出了一种全同态加密封装差分扩展（FHEE-DE）的加密域可逆数据隐藏（RDH-ED）方案。在该方案中，我们使用密钥交换和自举技术来控制密文扩展和解密失败。为了实现在不需要私钥的情况下直接从加密域中提取数据，设计了一种基于密钥交换的最低有效位（KS-LSB）数据隐藏方法。在应用中，用户首先对明文进行加密，然后将密文上传到服务器。然后服务器通过FHEE-DE和KS-LSB进行数据隐藏，获得标记后的密文。附加数据可以由服务器直接从标记的密文中提取，而无需私钥。用户可以解密标记的密文以获得标记的明文。然后，通过使用标准DE提取或恢复，可以从标记的明文中获得额外的数据或明文。引入差分进化算法的保真度约束，以减少标记明文的失真。FHEE-DE使服务器能够对标记的密文进行FHEE-DE恢复或提取，将原始明文或附加数据的密文返回给用户。此外，我们简化了所提出的通用FHEE-DE的同态运算，以获得一个有效的版本。实验结果表明，该方案的嵌入容量、保真度和可逆性均优于现有的RDH-ED方法，在不降低加密安全性的前提下实现了完全可分性.
On the Weakness of Fully Homomorphic Encryption
全同态加密（FHE）允许任何人对加密数据执行计算，尽管没有秘密解密密钥。自Gentry于2009年开展工作以来，原始模型引起了许多研究人员的兴趣。在本文中，我们强调，加密数据上执行的任何计算都被约束到加密域（有限域或环）。这种限制使得原语对于涉及常见算术表达式和关系表达式的大多数计算都是无用的。它只适用于与模算术有关的计算。我们想重申，密码学大量使用模运算是为了掩盖和消除明文消息中的冗余，而不是执行任何数值计算。我们认为，FHE对客户端-服务器计算或云计算非常重要的说法可能言过其实。
A novel reversible data hiding in encrypted images based on polynomial arithmetic
加密图像中的可逆数据隐藏是一种有效的数据隐藏和图像隐私保护技术。虽然近年来已经提出了许多高容量的方法，但大多数都需要在加密前对原始图像进行预处理以预留空间。这可能是不切实际的，因为图像提供者必须分析图像的内容并完成额外的操作。本文提出了一种基于多项式算法的鲁棒性强的加密后空房间方案，该方案在保证高嵌入容量的同时，能较好地恢复原始图像。采用一种有效的对称加密方法来保护原始图像的隐私。一个多项式由加密密钥和一组加密像素生成，并且秘密数据被映射到另一个多项式。通过这两个多项式的运算，我们可以分别提取秘密数据和恢复原始图像。实验结果表明，该算法在各种图像（包括粗糙纹理图像）上都具有稳定和良好的性能。与一些典型的方法相比，该方法可以得到更好的解密图像质量和更大的嵌入容量。
Two-Server Delegation of Computation on Label-Encrypted Data
Catalano和Fiore提出了一种方案，将线性同态加密转换为能够对密文进行二次计算的同态加密方案。他们的方案基于线性同态加密（如Goldwasser-Micali，Paillier和ElGamal），需要在服务器上进行大整数运算。然后，他们的方案在服务器上进行了大量的计算。同时，他们的方案不能验证计算，也不能评估超过4度的计算。为了解决这些问题，我们不再使用基于数论假设的线性同态加密。我们使用标签和伪随机函数来加密消息，这大大减少了服务器的计算量，使我们能够使用同态MAC技术自然地实现可验证的计算。我们还扩展的方法来构建$d$服务器计划，允许客户端委托度$d$计算外包数据。
Comparison of encrypted control approaches and tutorial on dynamic systems using LWE-based homomorphic encryption
加密控制已经被引入，以通过在计算和通信阶段加密，通过直接对加密数据执行计算来保护控制器数据。本文首先对加密控制的相关研究进行了综述和分类。介绍了基于同态加密、多方计算和秘密共享的方法，并从计算复杂性、通信负载、使能操作、安全性和研究方向等方面进行了讨论。我们继续讨论当前的挑战，在应用同态加密的动态系统，其中的算术运算以外的整数加法和乘法是有限的。我们还介绍了一个同态密码系统称为“GSW-LWE”，并讨论了它的好处，允许递归乘法的加密动态系统，而不使用计算昂贵的自举技术。
On the Security of Bitstream-level JPEG Encryption with Restart Markers
本文针对带RST标记的比特流级JPEG加密方法此前安全评估不全面的问题，评估其对含前沿攻击的唯密文攻击的鲁棒性，证实精心选参时该方法抗唯密文攻击能力优于传统方法。
Exploring Encrypted Keyboards to Defeat Client-Side Scanning in End-to-End Encryption Systems
本文提出一种作为系统键盘运行的加密键盘，使用户能在本地加密和解密消息，从而绕过客户端扫描（CSS），并在现有端到端加密应用之上增加额外一层 E2EE 保护。
Enabling Secure Database as a Service using Fully Homomorphic Encryption: Challenges and Opportunities
至少在过去的十年里，数据库社区一直在努力查询加密数据，这将使安全的数据库作为服务解决方案。密码学界最近（2009年）的一项突破与全同态加密（FHE）有关，表明对加密数据的任意计算是可能的。然而，成功地采用FHE进行查询处理仍然是一个遥远的梦想，并且必须解决许多挑战。一个挑战是如何执行加密数据的代数查询处理，其中我们产生加密的中间结果，并且可以组合对加密数据的操作。在本文中，我们描述了加密数据的代数查询处理的解决方案，还概述了其他几个需要解决的挑战，同时还描述了可以从数据库社区查询加密数据的十年工作中吸取的教训。
Quantum Search on Encrypted Data Based on Quantum Homomorphic Encryption
我们提出了一个基于量子同态加密的同态搜索协议，在该协议中，一个量子能力有限的客户端Alice可以将她加密的数据交给一个功能强大但不可信的量子服务器，让服务器在不解密的情况下搜索她。通过将交互式密钥更新过程外包给可信密钥中心，Alice只需要在线性时间内准备和加密她的原始数据并解密密码搜索结果。此外，我们还提出了一个紧凑且完全安全的Cliford电路的量子同态求值协议，其中解密密钥可以由Alice计算，且开销为密钥长度的多项式.
Private Embedding Lookup with Encrypted Compact Queries under Fully Homomorphic Encryption
针对全同态加密中私有嵌入查找开销大的问题，提出独立向量评估方法，通过构建线性无关向量替代独热向量，将向量生成成本从O(p log p)降至O(p)，并利用离散余弦变换基变换恢复嵌入向量，实现高达78.4倍的加速。
Privacy-Preserving Deep Neural Networks with Pixel-based Image Encryption Considering Data Augmentation in the Encrypted Domain
我们为深度神经网络（DNN）提出了一种新的隐私保护方案，使我们不仅能够将没有视觉信息的图像应用于DNN进行训练和测试，而且还首次考虑了加密域中的数据增强。在本文中，一种新的基于像素的图像加密方法首次提出了隐私保护DNN。此外，一种新的自适应网络被认为是减少图像加密的影响。在实验中，所提出的方法被应用到一个众所周知的网络，ResNet-18，图像分类。实验结果表明，传统的隐私保护机器学习方法，包括国家的最先进的不能应用于数据增强在加密域中，所提出的方法优于他们的分类精度。
HADES: Privacy-Preserving Federated Learning via Selective Feature Encryption and Hybrid Model Fusion
提出HADES框架，通过PCA识别并仅加密最隐私敏感的特征，结合多方同态加密和明文训练，利用融合机制实现高效隐私保护的联邦学习。
Security Evaluation of Compressible and Learnable Image Encryption Against Jigsaw Puzzle Solver Attacks
本文评估了可压缩且可学习的分块图像加密方法在JPEG压缩下抵御拼图求解器攻击的安全性，并在CIFAR-10和STL-10数据集上验证了其鲁棒性。
Secure outsourced calculations with homomorphic encryption
随着云计算的快速发展，隐私安全事件频繁发生，尤其是数据安全问题。云用户希望将他们的敏感信息以加密的形式而不是原始数据上传到云服务提供商，并防止数据的滥用。主要的挑战是安全地处理或分析这些加密的数据，而不泄露任何有用的信息，并实现有效的权限管理。提出了一种基于加性同态加密和代理加密的云计算加密数据处理协议。针对传统的同态加密方案存在诸多局限性，不适合云计算应用。我们模拟了一个具有灵活访问控制的云计算场景，并通过支持各种算术计算来扩展原始同态密码系统以适应我们的场景。证明了协议的正确性和安全性，并与一些最新的协议进行了比较，分析了协议的优点和性能。
A Review on Searchable Encryption Functionality and the Evaluation of Homomorphic Encryption
本文综述2019至2023年云服务中可搜索加密的功能进展，并评估全同态加密方案，指出通过功能聚合提升效率是当前研究趋势。
Equivalence-based Security for Querying Encrypted Databases: Theory and Application to Privacy Policy Audits
出于同时保护外包给第三方云的数据的机密性和可用性的问题，我们提出了两种不同的数据库加密方案，它们在很大程度上隐藏了数据，但揭示了足够的信息来支持广泛的关系查询。我们提供了一个数据库加密的安全定义，从对手的角度来看，捕获的数据库的等效概念的基础上的机密性。作为一个具体的应用程序，我们适应现有的算法，发现违反隐私政策的运行在我们的计划下加密的日志，并观察低到中等的开销。
Efficient methodology for implementation of Encrypted File System in User Space
加密文件系统（EFS）将加密服务推送到文件系统本身。EFS支持通过标准UNIX文件系统接口在系统级别对加密文件进行安全存储。用户可以将加密密钥与他们希望保护的目录相关联。这些目录中的文件（以及它们的路径名组件）使用指定的密钥透明地加密和解密，而无需进一步的用户干预;明文永远不会存储在磁盘上或发送到远程文件服务器。EFS可以将任何可用的文件系统用于其底层存储，而无需修改，包括远程文件服务器（如NFS）。系统管理功能（如文件备份）以正常方式工作，无需知道密钥。性能对用户来说是一个重要因素，因为加密可能很耗时。本文描述了在UNIX操作系统上，使用快速密码算法在用户空间设计和实现EFS。在用户空间中实现EFS使其可移植性和灵活性;内核大小也不会增加，从而导致更可靠和高效的操作系统。描述了用于文件系统级加密的加密技术，并讨论了支持例行安全计算的密码系统接口的一般问题。
Input-Output History Feedback Controller for Encrypted Control with Leveled Fully Homomorphic Encryption
针对全同态加密下动态控制器因溢出导致系统失稳或性能下降的问题，提出基于输入-输出历史数据的加密控制器表示方法，通过批处理优化实现无失稳与性能保持，并理论分析与仿真验证了其可行性与稳定性。
Exact Homomorphic Encryption
本文提出精确同态加密框架EHE，利用量子门的可逆性实现密文上的精确计算与解密，并利用非交换性保障超过2^1024的超量子抗性安全。
TenSEAL: A Library for Encrypted Tensor Operations Using Homomorphic Encryption
机器学习算法已经取得了令人瞩目的成果，并在各个领域得到了广泛的应用。这些算法通常依赖于敏感和私人数据，如医疗和财务记录。因此，必须进一步关注应用于机器学习模型的隐私威胁和相应的防御技术。在本文中，我们介绍了TenSEAL，一个使用同态加密的隐私保护机器学习的开源库，可以很容易地集成到流行的机器学习框架中。我们使用MNIST对我们的实现进行基准测试，并表明加密的卷积神经网络可以在不到一秒的时间内进行评估，使用不到半兆字节的通信。
An End-to-End Encryption Solution for Enterprise Content Applications
企业客户使用的内容托管服务（如Dropbox，OneDrive和Google Drive）部署在内部或云中。由于用户可能会将业务敏感数据（内容）存储在这些托管服务中，因此他们可能希望保护自己的数据不泄露给任何人，甚至是IT管理员。不幸的是，即使内容（文件）在托管服务中被加密，它们有时仍然可以被IT管理员访问。如果IT管理员变得恶意（如不满的员工）或他的帐户被黑客入侵，敏感数据可能会暴露给公众。我们提出了一种端对端加密（E2EE）解决方案来解决这一挑战。用户数据在客户端侧（移动终端）加密，并且在传输中和在服务器上静止时保持加密。具体来说，我们设计了一种新的方法，允许主秘密恢复和托管，同时保护他们免受恶意管理员的访问。此外，我们提出了一个内容（文件）加密方案，实现隐私和粒度访问控制。它还可以与当今企业用户使用的主要内容主机服务无缝集成。
Advanced reversible Data Hiding With Encrypted Data
先进的RDH工作集中在数据加密和图像加密，使其更安全，没有错误。所有先前的方法都在不加密数据的情况下嵌入数据，这可能在数据提取或图像恢复时发生错误。提出的工作提供了一种新的RDH方案，其中数据和图像都可以被加密和提取可逆没有任何错误。在所提出的工作中，数据提取和图像恢复是免费的任何错误。在所提出的工作中的PSNR显着提高。这项先进的工作还可以在视频中隐藏数据。
Towards Provably Secure Encrypted Control Using Homomorphic Encryption
针对加密控制系统缺乏安全性证明及未考虑特定攻击的问题，提出基于可证明安全概念的新型安全定义，并证明采用安全同态加密可增强系统安全性。
CHEM: Efficient Secure Aggregation with Cached Homomorphic Encryption in Federated Machine Learning Systems
虽然同态加密可以被合并到神经网络层中以保护机器学习任务，例如在联邦学习中对加密数据样本和加密本地模型的机密推断，但计算开销一直是致命弱点。本文提出了一种缓存协议，即CHEM，张量密文可以从一个池的缓存的基数，而不是执行昂贵的加密操作构建。从理论的角度来看，我们证明了CHEM是语义安全的，并可以在实际的假设下进行简单的分析参数化。在三种常用的公共数据集上的实验结果表明，采用CHEM算法仅产生亚秒级的加密开销，但在机密推理中对输入数据样本进行编码时，加密代价降低了48%~ 89%，在联邦学习中对局部模型进行编码时，加密代价降低了67%~ 87%.
CryptoUNets: Applying Convolutional Networks to Encrypted Data for Biomedical Image Segmentation
本文提出首个完全基于同态加密的隐私保护U-Net推理框架CryptoUNets，通过Double Volley Revolver编码方案支持跳跃连接与上采样，采用平方激活、平均池化及ConvTranspose2d等HE友好设计，在HEAAN库上实现加密生物医学图像分割。
Key-Aggregate Searchable Encryption, Revisited: Formal Foundations for Cloud Applications, and Their Implementation
在使用云存储时，除了数据安全和隐私之外，通过有效的访问控制共享数据也是一个重要的要求。Cui等人（IEEE Trans. on Comp. 2016）提出了\textit{key-aggregate searchable encryption (KASE)}，它允许数据所有者发布\textit{aggregate key}，使用户能够通过生成称为\textit{trapdoor}的加密关键字在加密文件的授权子集中进行搜索。虽然KASE的想法很优雅，但据我们所知，它的安全性从未被正式讨论过。本文对KASE的安全性进行了形式化的讨论，并提出了可证安全的方案。安全KASE方案的构造是不平凡的，我们将证明Cui等人的KASE方案在我们的定义下是不安全的。我们首先介绍我们的可证明安全的计划，命名为\textit{first construction}，相对于加密文件和聚合密钥在一个单一的服务器设置。与Cui等人的方案相比，第一种构造是安全的而不增加计算成本。然后，我们介绍了另一个可证明安全的方案，命名为\textit{main construction}，相对于陷阱门在两个服务器设置。主结构保证了搜索、加密文件和聚合密钥的隐私。考虑到5,000个加密文件，第一个结构可以在三秒内完成搜索，主结构可以在六秒内完成搜索。
Practical Solutions For Format-Preserving Encryption
格式保持加密（FPE）方案将明文加密成密文，同时保持其格式（例如，有效的社会安全号码被加密成有效的社会安全号码），从而允许以与未加密数据相同的方式存储和使用加密数据。由于云计算和内存委托的使用越来越多，这需要保留明文格式和隐私，以前已经提出了几种用于通用格式的FPE方案。然而，目前的解决方案在实践中既不安全又效率低下。我们提出了一个有效的FPE方案具有最佳的安全性。我们的计划包括一个有效的方法，表示一般（复杂）的格式，并提供有效的加密和解密算法，不需要昂贵的设置。在加密过程中，只保留格式特定的属性，而所有消息特定的属性保持隐藏，从而保证数据隐私。实验结果表明，在许多情况下，大格式域不能被有效地加密，我们扩展我们的计划，以支持大格式，通过施加一个用户定义的最大格式大小的界限，从而获得一个灵活的安全效率权衡和最佳的安全性（在大小限制下）。
SD-REE: A Cryptographic Method to Exclude Repetition from a Message
本文提出了一种新的加密技术SD-REE，它可以在加密消息时排除消息中的重复项，从而使人们几乎不可能从加密消息中检索或预测出原始消息。在现代世界中，密码黑客试图通过在消息中插入重复的字节/字符并加密消息或通过分析加密消息中的重复来破解代码或密码算法[1，2]或检索用于加密的密钥，以找出加密算法或检索用于加密的密钥。但是在SD-REE方法中，重复的字节/字符被删除，并且在加密的消息中没有任何重复的痕迹。
Image Encryption Using Differential Evolution Approach in Frequency Domain
本文提出了一种新的有效的图像加密方法，利用差分进化（DE）的幅度和相位操作。这项工作的新颖性在于部署的概念，加密的离散傅立叶变换（DFT），然后DE操作的目的。为此，在加密侧和解密侧之间共享秘密密钥。首先对原始图像进行二维的密钥离散傅立叶变换加密。其次，在加密图像的两个分量之间执行交叉，这两个分量是基于线性反馈移位寄存器（LFSR）索引生成器选择的。类似地，基于LFSR索引生成器对选定的某些分量的实部执行键控变异。LFSR索引生成器使用共享的秘密密钥对种子进行加密，以确保生成的索引的安全性。该过程打乱图像像素的位置。提出了一种新的基于差分进化算法的图像加密方案。解密过程是使用相同密钥的可逆过程。由此产生的加密图像被发现是完全失真的，从而增加了所提出的工作的鲁棒性。仿真结果验证了所提出的图像加密方案的有效性。
Encrypted Value Iteration and Temporal Difference Learning over Leveled Homomorphic Encryption
我们考虑了一种基于同态加密（HE）的机密云控制合成架构。我们的研究是由最近激增的数据驱动控制，如深度强化学习，其繁重的计算需求往往需要外包给第三方服务器。为了实现比部分同态加密（PHE）更大的灵活性和比完全同态加密（FHE）更少的计算开销，我们考虑了基于分层同态加密（LHE）的强化学习（RL）架构。我们首先表明，在基于模型的表格值迭代（VI）的收敛性的千金金宋（CKKS）加密方案的加密噪声的影响，可以解析有界。我们还考虑了TD（0）、SARSA（0）和Z-学习算法在CKKS方案上的安全实现，其中我们用数值方法证明了加密噪声对这些算法的影响也是最小的。
d-DSE: Distinct Dynamic Searchable Encryption Resisting Volume Leakage in Encrypted Databases
针对加密数据库DSE中的卷泄露问题，提出去重动态可搜索加密d-DSE及BF-SRE方案，在保持实用计算性能的同时显著降低通信开销。
A review of homomorphic encryption and software tools for encrypted statistical machine learning
密码学的最新进展有望实现对加密数据的安全统计计算，从而可以在不需要首先解密的情况下执行有限的一组操作。我们审查这些同态加密方案的统计学家和机器学习者访问的方式，专注于相关的固有的局限性，在当前的最先进的状态。这些限制限制的统计和机器学习算法，可以实现，我们回顾那些已成功应用于文献。最后，我们记录了一个高性能的R包实现最近的同态计划的一般框架。
Security of a biometric identity-based encryption scheme
生物特征基于身份的加密（Bio-IBE）是一种模糊基于身份的加密（fuzzy IBE），其中在身份w'下加密的密文可以使用与身份w相对应的秘密密钥来解密，身份w通过某种度量接近于w'。最近，Yang等人提出了一个常数大小的Bio-IBE方案，并证明了该方案在随机预言模型下能抵抗自适应选择密文攻击（CCA 2）。不幸的是，在本文中，我们将证明他们的Bio-IBE方案甚至不是选择明文安全的。具体地说，用户w使用他的秘密密钥能够解密在身份w'下加密的任何密文，即使w不接近w'。
HE-LRM: Encrypted Deep Learning Recommendation Models using Fully Homomorphic Encryption
HE-LRM通过全同态加密实现高效隐私保护的嵌入查找，提升神经推断性能。
Partially Encrypted Machine Learning using Functional Encryption
由于最近在同态加密和安全多方计算方面的突破，加密数据上的机器学习受到了广泛关注。它允许将计算外包给不受信任的服务器，而不会牺牲敏感数据的隐私。我们提出了一个实用的框架来执行部分加密和隐私保护的预测，它结合了对抗训练和功能加密。首先，我们提出了一种新的函数加密方案，以有效地计算二次函数，使数据所有者控制什么可以计算，但不参与计算：它提供了一个解密密钥，允许人们学习一些加密数据的特定函数评估。然后，我们展示了如何在机器学习中使用它在评估时使用二次激活函数对神经网络进行部分加密，并根据相同标签的数据项的不可恢复性对信息泄漏进行了彻底的分析。最后，由于大多数加密方案无法处理用于分类的最后一个阈值操作，因此我们提出了一种训练方法来防止选定的敏感特征泄漏，该方法针对试图识别这些特征的对手对网络进行了对抗性优化。这对于使用部分加密的机器学习的几个现有作品来说是有趣的，因为它几乎没有降低模型的准确性，并显着提高了数据隐私。
An Efficiently Searchable Encrypted Data Structure for Range Queries
在CCS 2015上，Naveed等人首次提出了对高效可搜索加密的攻击，例如确定性和保序加密。这些明文猜测攻击在随后的工作中得到了进一步改进，例如Grubbs等人在2016年。这种密码分析对于加深我们对安全模型含义的理解至关重要。在本文中，我们提出了一个有效的搜索，加密的数据结构，可证明对这些甚至更强大的选择明文攻击是安全的。我们的数据结构支持具有线性空间复杂度的并行时间搜索。我们的数据结构的索引可以用于通过标准比较进行搜索，因此允许对现有数据库管理系统进行简单的改造。我们实现了我们的计划，并表明其搜索时间开销仅为10毫秒相比，非安全搜索。
A Survey on Homomorphic Encryption Schemes: Theory and Implementation
传统加密系统依赖于在交换加密消息时所涉及的对等体之间共享密钥（公共或私有）。然而，这种方法带来了隐私问题。特别是在流行的云服务中，对敏感数据隐私的控制将丢失。即使不共享密钥，加密材料也会与不一定需要访问内容的第三方共享。此外，不受信任的服务器、提供商和云运营商可以在用户结束与服务的关系后很长一段时间内继续识别用户的元素。事实上，同态加密（HE），一种特殊的加密方案，可以解决这些问题，因为它允许任何第三方对加密的数据进行操作，而无需提前解密。虽然HE方案的这个非常有用的特征已经被知道超过30年，但是第一个合理且可实现的全同态加密（FHE）方案，其允许任何可计算函数对加密数据执行，是由Craig Gentry在2009年引入的。尽管这是一项重大成就，但到目前为止的不同实现表明，FHE仍然需要显着改进，才能在每个平台上实用。首先，我们介绍了HE的基础知识和众所周知的部分同态加密（PHE）和部分同态加密（SWHE）的细节，这是实现FHE的重要支柱。在此基础上，介绍了FHE的主要族系，为后续FHE方案的研究奠定了基础。此外，Gentry型FHE方案的实现和最近的改进也进行了调查。最后，对今后的研究方向进行了展望。本调查旨在为有兴趣了解、应用和扩展最先进的HE、PHE、SWHE和FHE系统的研究人员和从业人员提供明确的知识和基础。
Survey on Secure Search Over Encrypted Data on the Cloud
云计算已经成为企业和个人将其数据外包给远程但高度可访问的服务器的潜在资源。然而，由于用户对云中数据的安全性和隐私性的担忧，云服务的潜力尚未完全释放。可以采用用户侧加密技术来减轻安全问题。然而，一旦数据被加密，就没有处理（例如，搜索）可以在外包数据上执行。可搜索加密（Searchable Encryption，SE）技术已经被广泛研究，以使得能够在数据被加密的同时对数据进行搜索。这些技术允许对加密数据进行各种类型的搜索，并提供不同级别的安全性。此外，尽管这些技术支持不同的搜索类型，并且在细节上有所不同，但它们在组件和架构上具有相似性。在本文中，我们提供了一个全面的调查不同的安全搜索技术，这些系统的高层次架构，并分析其性能和安全级别。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。