文献

J-GLOBAL ID：201802246263379821   整理番号：18A0872836

ガウス雑音のない全同形暗号化スキーム【JST・京大機械翻訳】

Fully homomorphic encryption scheme without Gaussian noise

著者 (3件)： Li Mingxiang (河北金融学院金融研究所,河北保定071051;河北省科技金融重点実験室,河北保定071051) ,  Liu Zhao (河北金融学院金融研究所,河北保定071051;河北省科技金融協同創新中心,河北保定071051) ,  Zhang Mingyan (河北金融学院金融研究所,河北保定071051;河北省科技金融協同創新中心,河北保定071051)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 12  ページ： 3430-3434  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： LWR問題(LWR)の問題に基づき,LWR問題は,誤差学習(LWE)問題の可変型である,しかし,それは,コストの高いGauss雑音サンプリングを省いて,既存のLWE問題に基づく完全準同形暗号化方式と比較して,LWR問題の新しい方式である。.それは,LWR問題の問題のため,最近,LWE問題の問題のため,LWR問題の問題のため,LWRの問題のため,LWR問題の問題のため,LWR問題の問題のため,LWE問題の新しい分類法の提案を,提案した.。それは,既存のLWE問題の完全準同形暗号化方式と比較して,より効率的である。LWR問題に基づく全同形暗号化方式は,より高い計算効率を持つ。しかし,LWR問題に基づく完全同形暗号化方式は,同形演算において利用者の演算鍵を入力する必要がある。そのため、LWR問題に基づき、新たな分類の完全同形暗号化方案を構築し、同態演算時にユーザーの演算鍵を入力する必要がない。提案方式は,アイデンティティベースの完全準同形暗号化方式,属性に基づく完全同形暗号化方式などに応用できるので,それは最近提案されたLWR問題に基づく完全同形暗号化方式より広く応用される。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *暗号 ,  演算 ,  Gauss雑音
準シソーラス用語： 計算効率 ,  分類法 , 【Automatic Indexing@JST】

著者キーワード (5件)： Fully Homomorphic Encryption (FHE) ,  leveled Fully Homomorphic Encryption (FHE) ,  Learning With Rounding (LWR) problem ,  Learning With Errors (LWE) problem ,  Gaussian noise sampling

分類 (2件)： データ保護  (JD01020V) ,  符号理論  (ND02030R)

タイトルに関連する用語 (3件)： ガウス雑音 ,  暗号化 ,  スキーム