🤖 machine learning

CHEHAB RL: Learning to Optimize Fully Homomorphic Encryption Computations

यह शोध पत्र CHEHAB RL प्रस्तुत करता है, जो एक डीप रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो वेक्टरइज़ेशन के लिए रीराइटिंग रूल्स लागू करना सीखकर फुली होमोमॉर्फिक एन्क्रिप्शन कोड के अनुकूलन को स्वचालित करता है, जिसके परिणामस्वरूप अत्याधुनिक तरीकों की तुलना में काफी तेज़ निष्पादन, कम शोर वृद्धि और बहुत तेज़ संकलन प्राप्त होता है।

मूल लेखक: Bilel Sefsaf, Abderraouf Dandani, Abdessamed Seddiki, Arab Mohammed, Eduardo Chielle, Michail Maniatakos, Riyadh Baghdadi

प्रकाशित 2026-01-28

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bilel Sefsaf, Abderraouf Dandani, Abdessamed Seddiki, Arab Mohammed, Eduardo Chielle, Michail Maniatakos, Riyadh Baghdadi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ पेपर "CHEHAB RL: Learning to Optimize Fully Homomorphic Encryption Computations" का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।

बड़ी तस्वीर: "लॉक बॉक्स" की समस्या

कल्पना कीजिए कि आपके पास एक बहुत ही मूल्यवान रहस्य है, जैसे आपका बैंक पासवर्ड या मेडिकल रिकॉर्ड। आप इसे किसी अजनबी (क्लाउड सर्वर) को कुछ गणितीय गणना करने के लिए भेजना चाहते हैं, लेकिन आप इस बात से डरे हुए हैं कि वे इसके अंदर झाँककर आपका रहस्य चुरा लेंगे।

फुली होमोमोर्फिक एन्क्रिप्शन (FHE) इस समस्या का एक जादुई समाधान है। यह आपके डेटा को एक लॉक किए गए, पारदर्शी बॉक्स में रखने जैसा है। आप यह बॉक्स अजनबी को दे सकते हैं, और वे बॉक्स को बिना खोले या यह देखे कि अंदर क्या है, उसे हिला सकते हैं, मार सकते हैं और उसके अंदर की चीज़ों को मिला सकते हैं (गणना कर सकते हैं)। जब वे काम पूरा कर लेते हैं, तो वे बॉक्स आपको वापस कर देते हैं, और आप परिणाम देखने के लिए उसे अनलॉक करते हैं।

चुनौती: यह जादू अविश्वसनीय रूप से धीमा और अव्यवस्थित है। लॉक किए गए बॉक्स पर गणित करना सामान्य डेटा पर काम करने की तुलना में हजारों गुना अधिक समय लेता है। यह एक मोटे, भारी दस्ताने पहनकर और आँखों पर पट्टी बाँधकर केक बनाने की कोशिश करने जैसा है।

समस्या: रेसिपी लिखना कठिन है

इस "लॉक बॉक्स" वाले गणित को तेज़ बनाने के लिए, विशेषज्ञों को बहुत विशिष्ट, लो-लेवल कोड लिखना पड़ता है। यह उन मोटे दस्ताने पहनकर केक की रेसिपी लिखने जैसा है।

बहुत जटिल: आपको यह तय करना होता है कि सामग्री (डेटा) को बॉक्स में कैसे पैक किया जाए ताकि वे आपस में न मिलें।
बहुत धीमा: यदि आप उन्हें गलत तरीके से पैक करते हैं, तो गणित में बहुत समय लगता है, या बॉक्स के अंदर का "शोर" (noise/static) इतना बढ़ जाता है कि अंतिम परिणाम बेकार हो जाता है।
खोज का जाल: डेटा को पैक करने का सही तरीका खोजना घास के ढेर में सुई खोजने जैसा है। मौजूदा उपकरण हर एक जगह को एक-एक करके जाँचकर सुई खोजने की कोशिश करते हैं (एक "ब्रूट फ़ोर्स" खोज)। इसमें बहुत समय लगता है और वे अक्सर एक ऐसे "काफी अच्छे" स्थान पर अटक जाते हैं जो वास्तव में सबसे अच्छा नहीं होता।

समाधान: CHEHAB RL (एक "स्मार्ट प्रशिक्षु")

इस पेपर के लेखकों ने CHEHAB RL नामक एक नया टूल बनाया है। हर एक संभावना को जाँचने के बजाय, उन्होंने कंप्यूटर को सीखने का तरीका सिखाया है, जिसे रीइन्फोर्समेंट लर्निंग (RL) कहा जाता है।

इसे एक स्मार्ट प्रशिक्षु शेफ (Apprentice Chef) को प्रशिक्षित करने की तरह समझें:

लक्ष्य: प्रशिक्षु का काम लॉक किए गए बॉक्स में सामग्रियों को इस तरह से व्यवस्थित करना है कि गणित यथासंभव तेज़ हो और "शोर" (noise) कम से कम हो।
प्रशिक्षण: प्रशिक्षु को कोई नियम पुस्तिका देने के बजाय, उन्होंने प्रशिक्षु को लॉक किए गए बॉक्स में सामग्रियों को व्यवस्थित करने के लाखों अलग-अलग तरीके आज़माने दिया।
- यदि किसी व्यवस्था ने गणित को तेज़ बना दिया, तो प्रशिक्षु को एक "इनाम" (रिवॉर्ड) मिलता है।
- यदि इसने चीज़ों को धीमा या शोर वाला बना दिया, तो उसे "सजा" (पेनल्टी) मिलती है।
डेटासेट: प्रशिक्षु को सिखाने के लिए, लेखकों ने केवल रैंडम कचरा इस्तेमाल नहीं किया। उन्होंने एक लार्ज लैंग्वेज मॉडल (LLM)—जो वास्तविक दुनिया के कोड पर प्रशिक्षित एक सुपर-स्मार्ट AI है—का उपयोग किया ताकि हजारों वास्तविक "अभ्यास रेसिपी" बनाई जा सकें। यह प्रशिक्षु को रैंडम आटे और अंडों के ढेर के बजाय असली केक पर अभ्यास कराने जैसा है।

यह कैसे काम करता है: "रीराइटिंग" का खेल

इस सिस्टम का मुख्य हिस्सा लेगो (Lego) का खेल है।

आपके पास लेगो ब्रिक्स से बनी एक संरचना है (आपका एन्क्रिप्टेड कोड)।
आपके पास नियमों का एक सेट है (जैसे "इन दो ब्रिक्स को बदलें" या "इन तीन को एक में मिलाएँ")।
RL एजेंट (प्रशिक्षु) संरचना को देखता है और निर्णय लेता है: "यदि मैं यहाँ नियम A लागू करता हूँ, और फिर वहाँ नियम B लागू करता हूँ, तो क्या पूरी चीज़ अधिक स्थिर और तेज़ हो जाएगी?"

एजेंट नियमों को सही क्रम में लागू करने की एक पॉलिसी (रणनीति) सीखता है। वह केवल एक कदम को नहीं देखता; वह सबसे अच्छा रास्ता खोजने के लिए पूरी तस्वीर को देखता है।

परिणाम: गति, शांति और दक्षता

यह पेपर उनके "स्मार्ट प्रशिक्षु" (CHEHAB RL) की तुलना वर्तमान के सबसे अच्छे टूल, जिसे Coyote कहा जाता है, से करता है। यहाँ क्या हुआ:

एग्जीक्यूशन स्पीड (केक बेक करना): CHEHAB RL द्वारा जनरेट किया गया कोड Coyote की तुलना में 5.3 गुना तेज़ चला। यह एक धीमे, मैनुअल ओवन से हाई-स्पीड कन्वेक्शन ओवन पर स्विच करने जैसा था।
शोर (Noise/Static): CHEHAB RL के साथ लॉक बॉक्स में "शोर" 2.54 गुना कम बढ़ा। इसका मतलब है कि अंतिम परिणाम बहुत स्पष्ट है और इसके खराब होने की संभावना कम है।
कंपाइलेशन टाइम (रेसिपी लिखना): शायद सबसे आश्चर्यजनक परिणाम यह था कि CHEHAB RL को अनुकूलित (optimized) कोड लिखने में उतना ही कम समय लगा जितना Coyote को उसे खोजने में लगा। प्रशिक्षु ने रणनीति जल्दी सीख ली, जबकि Coyote अभी भी घास के ढेर में सुई ढूँढने में व्यस्त था।

यह क्यों महत्वपूर्ण है

पेपर का दावा है कि इस विशिष्ट समस्या (FHE कोड को ऑप्टिमाइज़ करने) को हल करने के लिए Reinforcement Learning का उपयोग पहली बार किया गया है।

यह अव्यवस्थित कोड को संभालता है: पुराने टूल्स के विपरीत, जो केवल साफ-सुथरे, लूप-आधारित कोड पर काम करते हैं, यह सिस्टम अव्यवस्थित, अनस्ट्रक्चर्ड कोड (जैसे ऊन का उलझा हुआ गोला) को भी संभाल सकता है।
यह स्केल करता है: जैसे-जैसे समस्याएँ बड़ी होती जाती हैं, "स्मार्ट प्रशिक्षु" उन्हें संभालने में बेहतर होता जाता है, जबकि पुराने "ब्रूट फ़ोर्स" सर्च तरीके धीमे होते जाते हैं।

सारांश उपमा (Summary Analogy)

कल्पल्पिए कि आप किताबों के एक विशाल पुस्तकालय को व्यवस्थित करने की कोशिश कर रहे हैं जो सभी कांच के केसों में बंद हैं।

पुराना तरीका (Coyote): आप पुस्तकारों की एक टीम को नियुक्त करते हैं जो यह देखने के लिए किताबों की हर संभव व्यवस्था को आज़माते हैं कि कौन सी सबसे तेज़ है। वे थक जाते हैं, बहुत समय लेते हैं, और अक्सर एक "अच्छी" व्यवस्था चुन लेते हैं जो सबसे अच्छी नहीं होती।
नया तरीका (CHEHAB RL): आप एक जीनियस लाइब्रेरियन को नियुक्त करते हैं जो अन्य पुस्तकालयों को व्यवस्थित करने के हजारों वीडियो देखता है। वे उन पैटर्न को सीख लेते हैं जो काम करते हैं। जब आप उन्हें एक नया पुस्तकालय देते हैं, तो वे तुरंत सबसे अच्छा तरीका जानते हैं, जिससे वे बहुत कम समय में काम पूरा करते हैं और किताबें ढूँढना बहुत आसान हो जाता है।

पेपर निष्कर्ष निकालता है कि इस प्रकार के "सीखने" वाले दृष्टिकोण का उपयोग करके, हम "लॉक बॉक्स" तकनीक को वास्तविक दुनिया के उपयोग के लिए बहुत अधिक व्यावहारिक बना सकते हैं, जिससे हम घंटों या दिनों का इंतज़ार किए बिना निजी डेटा पर जटिल गणित कर सकते हैं।

तकनीकी सारांश: CHEHAB RL: फुली होमोमोर्फिक एन्क्रिप्शन गणनाओं को अनुकूलित करने के लिए सीखना

1. समस्या विवरण

फुली होमोर्फिक एन्क्रिप्शन (FHE) डिक्रिप्शन के बिना एन्क्रिप्टेड डेटा पर गणना करने में सक्षम बनाता है, जिससे गोपनीयता बनी रहती है। हालांकि, FHE अत्यधिक कम्प्यूटेशनल रूप से महंगा है; उदाहरण के लिए, एक सिफरटेक्स्ट मल्टीप्लिकेशन (ciphertext multiplication) इसके प्लेनटेक्स्ट समकक्ष की तुलना में $10^6$ गुना धीमा हो सकता है। यह प्रदर्शन अंतराल होमोमोर्फिक ऑपरेशन्स की अंतर्निहित जटिलता के कारण होता है, जिसमें उच्च-डिग्री वाले बहुपद गुणन (polynomial multiplications) और महत्वपूर्ण शोर वृद्धि (noise growth) शामिल है।

कुशल FHE कोड लिखना एक जटिल, त्रुटि-प्रवण कार्य है जिसके लिए गहरे क्रिप्टोग्राफिक विशेषज्ञता की आवश्यकता होती है। जबकि FHE कोड जनरेशन को स्वचालित करने के लिए कंपाइलर विकसित किए गए हैं, मौजूदा समाधानों को महत्वपूर्ण सीमाओं का सामना करना पड़ता है:

संरचित बनाम असंरचित कोड (Structured vs. Unstructured Code): HECO और CHET जैसे कंपाइलर संरचित (लूप-आधारित) कोड पर ध्यान केंद्रित करते हैं, जबकि Coyote और Porcupine जैसे अन्य संरचित और असंरचित (मनमाने, गैर-लूप-आधारित) दोनों को संभालने का प्रयास करते हैं।
सर्च स्पेस कॉम्प्लेक्सिटी (Search Space Complexity): वर्तमान अत्याधुनिक कंपाइलर (जैसे, Coyote, Porcupine) वेक्टरइज़ेशन को एक कॉम्बिनेटोरियल सर्च समस्या के रूप में फ्रेम करते हैं। वे एक विशाल डिज़ाइन स्पेस (जैसे, कौन से सब-एक्सप्रेशन को पैक किया जाए, डेटा लेआउट, रोटेशन इंसर्शन) को खोजने के लिए हाथ से ट्यून किए गए ह्यूरिस्टिक्स, इंटीजर लीनियर प्रोग्रामिंग (ILP), या प्रोग्राम सिंथेसिस पर निर्भर करते हैं।
स्केलेबिलिटी और लोकल ऑप्टिमा (Scalability and Local Optima): इस जटिल स्थान में, स्थानीय निर्णय गैर-स्थानीय प्रभावों (जैसे, एक पैकिंग निर्णय भविष्य के रोटेशन लागत को बढ़ाना) का कारण बनते हैं। सरल ह्यूरिस्टिक्स अक्सर खराब लोकल ऑप्टिमा में फंस जाते हैं, और जैसे-जैसे प्रोग्राम का आकार बढ़ता है, व्यापक खोज (exhaustive search) कम्प्यूटेशनल रूप से अव्यवहार्य हो जाती है।

2. कार्यप्रणाली (Methodology)

यह शोध पत्र CHEHAB RL प्रस्तावित करता है, जो एक नया फ्रेमवर्क है जो FHE कोड अनुकूलन को स्वचालित करने के लिए डीप रीइन्फोर्समेंट लर्निंग (RL) का लाभ उठाता है। कॉम्बिनेटोरियल सर्च के बजाय, समस्या को एक अनुक्रमिक निर्णय लेने वाली प्रक्रिया (sequential decision-making process) के रूप में तैयार किया गया है जहाँ एक RL एजेंट एक टर्म रीराइटिंग सिस्टम (TRS) से नियमों के अनुक्रम को लागू करने के लिए एक पॉलिसी सीखता है।

2.1 फ्रेमवर्क ओवरव्यू

CHEHAB RL को CHEHAB FHE कंपाइलर में एकीकृत किया गया है। वर्कफ़्लो इस प्रकार है:

इनपुट: CHEHAB डोमेन-विशिष्ट भाषा (DSL) में लिखा गया एक प्रोग्राम, जिसे एक एब्स्ट्रैक्ट सिंटैक्स ट्री (AST) और डेटाफ्लो ग्राफ (DAG) के रूप में इंटरमीडिएट रिप्रेजेंटेशन (IR) में बदला जाता है।
RL ऑप्टिमाइज़ेशन: एक RL एजेंट IR में घूमता है, स्केलर कोड को वेक्टरइज़ करने, एक्सप्रेशन को सरल बनाने और शोर/विलंबता (noise/latency) को कम करने के लिए टर्म रीराइटिंग सिस्टम (TRS) से रीराइटिंग नियमों का एक क्रम चुनता है।
आउटपुट: अनुकूलित IR का उपयोग माइक्रोसॉफ्ट SEAL बैकएंड (BFV स्कीम) को लक्षित करने वाले C++ कोड को जेनरेट करने के लिए किया जाता है।

2.2 मुख्य तकनीकी घटक

A. स्टेट रिप्रेजेंटेशन (State Representation)

RL एजेंट के लिए प्रोग्राम IR को दर्शाने के लिए, लेखक आइडेंटिफायर और कॉन्स्टेंट इनवेरिएंट (ICI) टोकनाइज़ेशन का उपयोग करते हैं।

नॉर्मलाइजेशन (Normalization): वेरिएबल्स को फिर से नाम दिया जाता है (जैसे, $v_0, v_1$ ) और 0 और 1 को छोड़कर स्थिरांकों (constants) को जेनेरिक टोकन ( $c_0, c_1$ ) में एब्स्ट्रैक्ट किया जाता है। यह एक कैनोनिकल रूप बनाता है जो नामकरण और विशिष्ट स्थिरांक मानों से स्वतंत्र है, जिससे अर्थपूर्ण रूप से समान प्रोग्रामों को एक ही प्रतिनिधित्व में समूहीकृत किया जा सके।
एनकोडिंग (Encoding): टोकनाइज्ड सीक्वेंस को एक ट्रांसफॉर्मर एनकोडर (4 लेयर्स, 8 अटेंशन हेड्स) द्वारा प्रोसेस किया जाता है ताकि एक फिक्स्ड-लेंथ 256-डायमेंशनल एम्बेडिंग बनाई जा सके। यह आर्किटेक्चर अनरोल्ड FHE प्रोग्राम्स में लॉन्ग-रेंज डिपेंडेंसी को मॉडल करने की बेहतर क्षमता के कारण RNNs (LSTM/GRU) की तुलना में चुना गया था।

B. एक्शन स्पेस (Action Space)

एक्शन स्पेस को नियमों और उनके अनुप्रयोग स्थानों की बड़ी संख्या को संभालने के लिए डिज़ाइन किया गया है।

हायरार्किकल पॉलिसी (Hierarchical Policy): एक फ्लैट एक्शन स्पेस (रूल + लोकेशन) के बजाय, एजेंट एक दो-चरणीय पदानुक्रमित नीति का उपयोग करता है:
1. रूल सिलेक्शन नेटवर्क: एक MLP यह चुनता है कि 84 नियमों के सेट में से कौन सा रीराइटिंग नियम लागू किया जाए।
2. लोकेशन सिलेक्शन नेटवर्क: दूसरा MLP उस विशिष्ट स्थान (मैच इंडेक्स) को चुनता है जहाँ नियम लागू किया जाता है।
टर्मिनेशन (Termination): एक विशेष END एक्शन एजेंट को ऑप्टिमाइज़ेशन एपिसोड को समाप्त करने की अनुमति देता है।

C. रिवॉर्ड मॉडल (Reward Model)

एजेंट को एक संयुक्त लागत फ़ंक्शन (composite cost function) को कम करने के लिए प्रशिक्षित किया जाता है जो निष्पादन समय (execution time) और शोर वृद्धि (noise growth) के बीच संतुलन बनाता है।

कॉस्ट फ़ंक्शन: $Cost(e) = w_{ops} \cdot C_{ops}(e) + w_{depth} \cdot D_{circuit}(e) + w_{mult} \cdot D_{mult}(e)$ $C os t (e) = w_{o p s} \cdot C_{o p s} (e) + w_{d e pt h} \cdot D_{c i r c u i t} (e) + w_{m u l t} \cdot D_{m u l t} (e)$ ।
- $C_{ops}$ : ऑपरेशन्स की लागत का भारित योग (वेक्टर एड: 1, वेक्टर मल्टीप्लिकेशन: 100, रोटेशन: 50, स्केलर ऑप्स: 250)।
- $D_{circuit}$ : सर्किट डेप्थ।
- $D_{mult}$ : मल्टीप्लिकेटिव डेप्थ (BFV में शोर वृद्धि के लिए महत्वपूर्ण)।
रिवॉर्ड स्ट्रक्चर:
- स्टेप रिवॉर्ड ( $R_{step}$ ): प्रत्येक एक्शन के बाद लागत में प्रतिशत कमी के आधार पर तत्काल रिवॉर्ड।
- टर्मिनल रिवॉर्ड ( $R_{final}$ ): प्रारंभिक और अंतिम अवस्था के बीच कुल लागत में कमी के आधार पर एक ग्लोबल रिवॉर्ड। यह एजेंट को केवल स्थानीय रूप से लालची होने से रोकता है और ऐसे अनुक्रमों को प्रोत्साहित करता है जो वैश्विक रूप से इष्टतम (globally optimal) सर्किट प्रदान करते हैं।

D. ट्रेनिंग डेटा सिंथेसिस (Training Data Synthesis)

मौजूदा FHE ऑप्टिमाइज़ेशन डेटासेट्स की कमी को देखते हुए, लेखकों ने एक लार्ज लैंग्वेज मॉडल (LLM, Gemini 2.5 Flash) का उपयोग करके 15,855 अद्वितीय एक्सप्रेशंस का एक प्रशिक्षण डेटासेट तैयार किया।

LLM मार्गदर्शन: LLM को सिंटैक्स नियमों, रीराइट नियम उदाहरणों और वास्तविक दुनिया के कर्नेल मोटिफ्स (जैसे, मैट्रिक्स एडिशन, स्क्वेर्ड डिफरेंस) के साथ प्रॉम्प्ट किया गया था ताकि विविध, ऑप्टिमाइज़ करने योग्य कोड पैटर्न उत्पन्न किए जा सकें।
वैलिडेशन: जेनरेटेड एक्सप्रेशंस को सिंटैक्टिक वैधता, विशिष्टता (ICI टोकनाइजेशन के माध्यम से), और बेंचमार्क प्रोग्रामों को बाहर करने के लिए फ़िल्टर किया गया ताकि सामान्यीकरण (generalization) सुनिश्चित हो सके।

E. ट्रेनिंग एल्गोरिदम (Training Algorithm)

एजेंट को 2 मिलियन टाइमस्टेप्स के लिए सिंगल मल्टी-कोर CPU पर प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) एल्गोरिदम का उपयोग करके प्रशिक्षित किया गया है।

3. मुख्य योगदान

फॉर्मूलेशन: FHE कोड ऑप्टिमाइज़ेशन को रीइन्फोर्समेंट लर्निंग के माध्यम से हल की जाने वाली एक अनुक्रमिक निर्णय लेने वाली प्रक्रिया के रूप में प्रस्तुत करने वाला पहला फॉर्मूलेशन।
CHEHAB RL फ्रेमवर्क: एक नया सिस्टम जो शोर वृद्धि और सर्किट लेटेंसी को कम करते हुए स्ट्रक्चर्ड और अनस्ट्रक्चर्ड दोनों FHE कोड को स्वचालित रूप से वेक्टरइज़ करता है। यह मौजूदा कॉम्बिनेटोरियल सर्च दृष्टिकोणों की तुलना में बेहतर स्केल करता है।
LLM-सिंथेसाइज्ड डेटासेट: एक LLM द्वारा जेनरेट किए गए बड़े, विविध प्रशिक्षण डेटासेट का निर्माण और सत्यापन, जो यह दर्शाता है कि ऐसे डेटा पर प्रशिक्षण लेने से रैंडम प्रोग्राम्स की तुलना में काफी बेहतर एजेंट प्राप्त होते हैं।
प्रदर्शन लाभ: अनुभवजन्य प्रमाण (empirical evidence) जो दिखाता है कि CHEHAB RL, स्टेट-ऑफ-द-आर्ट Coyote कंपाइलर की तुलना में 5.3× तेज़ निष्पादन उत्पन्न करता है, औसतन 2.54× कम शोर जमा करता है, और इसका कंपाइलेशन समय Coyote से 27.9× तेज़ है (जियोमेट्रिक मीन)।
ओपन सोर्स: समुदाय के लिए CHEHAB RL फ्रेमवर्क का रिलीज़।

4. परिणाम और मूल्यांकन

लेखकों ने इमेज प्रोसेसिंग फिल्टर्स, लीनियर अलजेब्रा कर्नेल्स और रैंडमली जेनरेटेड इररेगुलर पॉलिनोमिअल्स के बेंचमार्क सूट पर Coyote (एक अत्याधुनिक वेक्टरइज़िंग FHE कंपाइलर) के विरुद्ध CHEHAB RL का मूल्यांकन किया।

निष्पादन समय (Execution Time): CHEHAB RL द्वारा जेनरेट किया गया कोड, औसतन, Coyote की तुलना में 5.3× तेज़ था। विशिष्ट मामलों में (जैसे, लीनियर रिग्रेशन 32), स्पीडअप 114× तक पहुँच गया। इसका श्रेय कम ऑपरेशन्स और सरल डेटा लेआउट को दिया गया जो RL एजेंट द्वारा खोजे गए थे।
शोर बजट (Noise Budget): जेनरेटेड सर्किट्स ने औसतन 2.54× कम शोर बजट का उपयोग किया। उन बेंचमार्क्स में जहाँ Coyote ने शोर बजट समाप्त कर दिया और विफल रहा, CHEHAB RL ने सफलतापूर्वक वैध, रन करने योग्य सर्किट बनाए।
कंपाइलेशन समय (Compilation Time): RL-आधारित कंपाइलेशन प्रक्रिया Coyote के सर्च-आधारित दृष्टिकोण की तुलना में 27.9× तेज़ थी। हालाँकि छोटे बेंचमार्क्स के लिए RL एजेंट ने कुछ ओवरहेड (न्यूरल नेटवर्क इन्फरेंस स्टेप्स के कारण) लिया, लेकिन इसने बड़े सर्किट्स के लिए बेहतर स्केलेबिलिटी प्रदर्शित की जहाँ Coyote का कॉम्बिनेटोरियल सर्च अत्यधिक धीमा हो जाता है।
एब्लेशन स्टडीज (Ablation Studies):
- LLM बनाम रैंडम डेटा: LLM-जेनरेटेड डेटा पर प्रशिक्षित एजेंटों ने रैंडम डेटा पर प्रशिक्षित एजेंटों की तुलना में विशिष्ट बेंचमार्क्स पर 13× तेज़ सर्किट बनाए, जो वास्तविक कोड पैटर्न के महत्व को उजागर करता है।
- रिवॉर्ड डिज़ाइन: स्टेप और टर्मिनल रिवॉर्ड्स का संयोजन केवल स्टेप-ओनली रिवॉर्ड्स की तुलना में बेहतर रहा, जिससे लोकल ऑप्टिमा से बचाव हुआ।
- आर्किटेक्चर: ट्रांसफॉर्मर एनकोडर ने प्रोग्राम रिप्रेजेंटेशन सीखने में GRU बेसलाइन्स से बेहतर प्रदर्शन किया, और हायरार्किकल एक्शन स्पेस ने स्पीड और रिवॉर्ड सीखने में फ्लैट एक्शन स्पेस से बेहतर प्रदर्शन किया।

5. महत्व और दावे

यह पेपर दावा करता है कि CHEHAB RL FHE कंपाइलेशन में एक प्रतिमान बदलाव (paradigm shift) का प्रतिनिधित्व करता है। ह्यूरिस्टिक-ड्रिवन कॉम्बिनेटोरियल सर्च से लर्निंग-बेस्ड पॉलिसी ऑप्टिमाइज़ेशन की ओर बढ़कर, यह फ्रेमवर्क पिछले दृष्टिकोणों में निहित स्केलेबिलिटी और लोकल-ऑप्टिमा समस्याओं को संबोधित करता है।

लेखक इस बात पर जोर देते हैं कि यह FHE ऑप्टिमाइज़ेशन को हल करने के लिए RL का पहला उपयोग है, जो वेक्टरइज़ेशन, क्रिप्टोग्राफिक शोर संचय और ऑपरेशन लागतों के बीच ट्रेड-ऑफ को सफलतापूर्वक नेविगेट करता है। यह कार्य यह भी प्रदर्शित करता है कि LLM का उपयोग डेटासेट सिंथेसिस के लिए करना, उन डोमेन में उच्च-गुणवत्ता वाला प्रशिक्षण डेटा प्राप्त करने का एक प्रभावी मार्ग है जहाँ ऐसा डेटा दुर्लभ है।

निष्कर्षतः, CHEHAB RL एन्क्रिप्टेड गणनाओं के रनटाइम और उन्हें कंपाइल करने के समय को काफी कम करके, और मूल क्रिप्टोग्राफिक स्कीम की सुरक्षा गारंटी को बनाए रखते हुए, FHE के व्यावहारिक उपयोग को सक्षम बनाता है।