Secure Face Matching Using Fully Homomorphic Encryption

CipherFace：一种全同态加密驱动的安全云端人脸识别框架

CipherFace: A Fully Homomorphic Encryption-Driven Framework for Secure Cloud-Based Facial Recognition

针对云端人脸识别中嵌入向量的隐私安全问题，提出基于全同态加密的CipherFace框架，支持加密距离计算，并实验验证其可扩展性与有效性。

基于双置换同态加密的隐私保护视觉学习

Privacy-Preserving Visual Learning Using Doubly Permuted Homomorphic Encryption

我们提出了一个隐私保护框架，学习视觉分类器，利用分布式私人图像数据。该框架旨在聚合使用私有数据在本地更新的多个分类器，并确保在其学习过程期间和之后不会暴露有关数据的私有信息。我们利用一个同态密码系统，可以聚合的本地分类器，而它们被加密，从而保持秘密。为了克服高维分类器同态加密计算量大的问题，本文（1）对局部分类器的更新施加稀疏性约束，（2）提出一种新的高效加密方案--双置换同态加密（DPHE）。DPHE（i）将稀疏数据分解成其组成非零值及其对应的支持索引，（ii）仅对非零值应用同态加密，以及（iii）对支持索引采用双重排列以使它们保密。我们在几个公共数据集上的实验评估表明，该方法在保护隐私的同时实现了与最先进的视觉识别方法相当的性能，并显着优于其他隐私保护方法。

同态加密用于隐私保护视觉

Homomorphic Encryptions for Privacy Preserving Vision

提出使用全同态加密在加密数据上直接进行CNN推理，通过修改传统CNN层适配加密方案，在MNIST等数据集上实现分类精度几乎无下降，并扩展支持多通道输入、多层卷积和平均池化。

全同态加密的安全SURF

Secure SURF with Fully Homomorphic Encryption

云计算是当今世界的重要组成部分，因为卸载计算是降低成本的一种方法。本文研究了利用全同态加密（FHE）计算加速鲁棒特征（SURF）。在FHE中执行SURF使得能够实现在保持原始数据的安全性和隐私的同时卸载计算的方法。为了支持这项研究，我们开发了一个框架来计算SURF通过有理数与FHE兼容。虽然浮点（R）到有理数（Q）的转换会引入误差，但我们的研究提供了FHE参数方面误差幅度的严格界限。我们根据经验验证了所提出的方法对一组不同大小的图像，并表明我们的框架准确地计算FHE中的大多数SURF关键点。

AMB-FHE：基于全同态加密的自适应多生物特征融合

AMB-FHE: Adaptive Multi-biometric Fusion with Fully Homomorphic Encryption

本文提出AMB-FHE方法，通过全同态加密对多生物特征参考模板进行联合加密，在运行时自适应安全需求，提升了隐私保护与认证灵活性。

Application of Homomorphic Encryption in Medical Imaging

In this technical report, we explore the use of homomorphic encryption (HE) in the context of training and predicting with deep learning (DL) models to deliver strict \textit{Privacy by Design} services, and to enforce a zero-trust model of data governance. First, we show how HE can be used to make predictions over medical images while preventing unauthorized secondary use of data, and detail our results on a disease classification task with OCT images. Then, we demonstrate that HE can be used to secure the training of DL models through federated learning, and report some experiments using 3D …