Fully Homomorphic Encryption (FHE) allows computing on encrypted data, enabling secure offloading of computation to untrusted serves. Though it provides ideal security, FHE is expensive when executed in software, 4 to 5 orders of magnitude slower than computing on unencrypted data. These overheads are a major barrier to FHE's widespread adoption. We present F1, the first FHE accelerator that is programmable, i.e., capable of executing full FHE programs. F1 builds on an in-depth architectural analysis of the characteristics of FHE computations that reveals acceleration opportunities. F1 is a wide-vector processor with novel functional units deeply specialized to FHE primitives, such as modular arithmetic, number-theoretic transforms, and structured permutations. This organization provides so much compute throughput that data movement becomes the bottleneck. Thus, F1 is primarily designed to minimize data movement. The F1 hardware provides an explicitly managed memory hierarchy and mechanisms to decouple data movement from execution. A novel compiler leverages these mechanisms to maximize reuse and schedule off-chip and on-chip data movement. We evaluate F1 using cycle-accurate simulations and RTL synthesis. F1 is the first system to accelerate complete FHE programs and outperforms state-of-the-art software implementations by gmean 5400x and by up to 17000x. These speedups counter most of FHE's overheads and enable new applications, like real-time private deep learning in the cloud.


翻译:完全基因加密( FHE) 允许在加密数据上进行计算, 从而安全地卸载计算到不可信的服务。 尽管它提供了理想的安全性, FHE在软件中执行时费用昂贵, 但是在软件中执行时, FHE 要比在未加密数据上计算慢4到5级, 其规模比计算慢。 这些间接费用是FHE 广泛采用的主要障碍。 我们提供了F1, 第一个 FHE 加速器, 即能够执行完整的 FHE 程序。 F1 建立在对 FHE 计算特点的深入建筑分析的基础上, 显示加速的机会。 F1 是宽的广视频处理器, 具有对FHE 原始人具有高度专业化的新功能, 例如模块算术、 数字理论变换和结构变换。 这个组织提供了如此多的计算量, 使得数据移动成为了瓶颈。 因此, F1 主要是设计来尽量减少数据移动。 F1 硬件提供了明确的管理存储等级和机制, 以便从执行中解调数据移动。 一个新型编译器利用这些新机制, 通过FHE1 和FHE1 IM1 快速化程序来将F- 和F- hex- AS- AS- AS- bex 的系统 的系统的系统完整的系统- 和 FI- silent- hyal- hex- simal- hex- hex- hex- sy- hex- s- s- hex- hex- sal- sal- sal- fal- 和 Fx- helvical- sal- fal- faldaldal- 和 Fx- sal- ax- ax- sil- sal- sal- sal- ax- ax- 和 Fx- 和 Fx- sal- a- 的系统- smal- sal- sal- a- 和 Fal- 的系统- 和 Fal- commod- commod- 和 Fal- fal- sal- fal- fal- fal- s- fal- s- s- sal- sal- hel- fal- commoction- 和 Fal- s-

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Python图像处理,366页pdf,Image Operators Image Processing in Python
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
CCF推荐 | 国际会议信息8条
Call4Papers
9+阅读 · 2019年5月23日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员