💻 computer science

HE-DAP: Homomorphic Encryption-based Dynamic Adaptive Parameter Optimization for Statistical Computation

HE-DAP is een cross-platform optimalisatieraamwerk dat automatisch de afweging tussen polynoomevaluatie en bootstrapping in homomorfe encryptie aanpast om de berekening van de inverse vierkantswortel aanzienlijk te versnellen en de end-to-end prestaties voor privacy-bewuste statistische analyses over diverse hardwareomgevingen heen te verbeteren.

Oorspronkelijke auteurs: Yun-Soo Park, Hyunmin Choi, Hyoungshick Kim, Mun-Kyu Lee

Gepubliceerd 2026-06-11

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yun-Soo Park, Hyunmin Choi, Hyoungshick Kim, Mun-Kyu Lee

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een geheim bericht naar een vriend probeert te sturen, maar je kunt dit alleen doen via een zeer strikte, paranoïde postkantoor. Dit postkantoor (het Homomorfe Encryptie-systeem) staat je toe om berekeningen uit te voeren op de vergrendelde dozen zonder ze ooit te openen. Dit is geweldig voor de privacy, maar er is een addertje onder het gras: het postkantoor is ontzettend traag. Elke keer als je een berekening uitvoert, worden de dozen zwaarder en breekbaarder. Als je te veel berekeningen uitvoert, breken de dozen en gaat je geheim verloren.

Het Probleem: Een "One-Size-Fits-All" Fout

Voorheen hadden onderzoekers een recept om dit inverse wortelprobleem binnen deze vergrendelde dozen op te lossen. Ze noemden dit PP-STAT.

Zie PP-STAT als een vast recept voor het bakken van een cake. Het recept zegt: "Gebruik precies 29 koppen bloem en bak gedurende exact 6 uur."

Het Probleem: Dit recept werd alleen getest in één specifieke keuken (een specifieke computerchip genaamd een CPU met een bibliotheek genaamd Lattigo). In die keuken werkte het recept redelijk goed.
De Realiteit: Maar wat als je naar een andere keuken verhuist? Misschien heb je een super-snelle oven (een GPU) of een ander type fornuis (een andere softwarebibliotheek genaamd HEaaN). In deze nieuwe keukens kan het "29 koppen bloem" een eeuwigheid duren om te mengen, terwijl de "6 uur baktijd" het trage onderdeel is.
Het Resultaat: Het gebruik van hetzelfde vaste recept in een nieuwe keuken is inefficiënt. Je bent misschien 6 uur bezig met het mengen van ingrediënten terwijl je in 1 uur had kunnen bakken, of andersom. Het artikel vond dat in sommige omgevingen het oude recept bijna 6 keer langzamer was dan nodig was omdat het de verkeerde dingen op het verkeerde moment deed.

De Oplossing: HE-DAP (De Slimme Keukenassistent)

De auteurs creëerden een nieuw hulpmiddel genaamd HE-DAP. Zie HE-DAP als een slimme keukenassistent die niet alleen een recept volgt, maar eerst de keuken "proeft".

Voordat je aan je eigenlijke werk begint, voert HE-DAP een snelle reeks tests uit op de specifieke computer en software die je gebruikt. Het vraagt zich af:

"Is het mengen van de bloem (de wiskunde) hier traag, of is de baktijd (het resetten van de dozen) traag?"
"Als ik minder bloem gebruik maar langer bak, is dat dan sneller?"
"Als ik meer bloem gebruik maar korter bak, is dat dan sneller?"

Op basis van deze tests schrijft HE-DAP dynamisch een nieuw, op maat gemaakt recept voor jouw specifieke machine. Het bepaalt precies hoeveel "bloem" (wiskundige complexiteit) en hoeveel "bakbeurten" (iteraties) je nodig hebt om de perfecte cake (een nauwkeurig resultaat) in de kortst mogelijke tijd te krijgen.

Hoe het werkt in gewone mensentaal

De Afweging: Om te voorkomen dat de geheime dozen breken, heb je twee keuzes:
- Optie A: Doe vooraf een zeer complexe berekening (zoals een hoog-graads polynoom) om een geweldige eerste schatting te krijgen. Dit is snel als de berekening eenvoudig is, maar traag als de berekening moeilijk is.
- Optie B: Doe een simpelere berekening, maar "reset" de doos (een proces genaamd bootstrapping) om te voorkomen dat deze breekt. Deze reset is erg duur in sommige keukens, maar goedkoop in andere.
De Aanpassing: HE-DAP ontdekt welke optie goedkoper is voor jouw specifieke computer.
- Op een GPU (een super-snelle grafische kaart) is de "reset"-knop ongelooflijk snel. Dus zegt HE-DAP: "Laten we een simpele berekening doen en de resetknop vaak indrukken!"
- Op een CPU (een standaard processor) is de "reset"-knop traag. Dus zegt HE-DAP: "Laten we vooraf een complexe berekening doen zodat we de resetknop niet zo vaak hoeven in te drukken!"

De Resultaten: Sneller en Slimmer

Het artikel testte dit nieuwe "Slimme Assistent" op drie verschillende soorten computeropstellingen:

Lattigo (Standaard CPU): Het maakte het proces 1,96 keer sneller.
HEaaN-CPU: Het maakte het proces 2,18 keer sneller.
HEaaN-GPU: Het maakte het proces 2,35 keer sneller.

Cruciaal is dat het niet alleen sneller maakte; het hield de resultaten net zo nauwkeurig. Sterker nog, in sommige gevallen was het zelfs nauwkeuriger dan het oude vaste recept, omdat het de fouten vermeed die ontstaan door een slecht recept op een nieuwe machine af te dwingen.

Waarom dit ertoe doet

Het artikel laat zien dat voor privacy-bewuste data-analyse in de echte wereld, we niet zomaar één statische set regels kunnen gebruiken. We hebben systemen nodig die kunnen adapteren aan de hardware waarop ze draaien. HE-DAP bewijst dat door deze instellingen automatisch af te stemmen, we privacy-bewuste statistiek praktisch en efficiënt kunnen maken, waardoor een trage, logge procedure verandert in iets dat bijna twee keer zo snel draait zonder de veiligheid of nauwkeurigheid op te offeren.

Kortom: HE-DAP is het hulpmiddel dat voorkomt dat je een dikke winterjas draagt in de zomer en een licht T-shirt in de winter. Het controleert het weer (jouw computermilieu) en geeft je de perfecte outfit (jouw wiskundige parameters) om de klus snel en comfortabel te klaren.

Technische Samenvatting: HE-DAP

Probleemstelling

Homomorfe encryptie (HE) maakt privacy-bewuste analyses op versleutelde gegevens mogelijk, maar lijdt onder een hoge computationele overhead. Een cruciale flessenhals in statistische en machine learning-workloads is de berekening van de inverse vierkantswortel ( $1/\sqrt{a}$ ), een fundamentele operatie die vereist is voor functies zoals Z-score normalisatie, scheefheid (skewness), kurtosis en de Pearson-correlatiecoëfficiënt.

Bestaande state-of-the-art methoden, zoals PP-STAT [13] en HEaaN-STAT [24], vertrouwen op vaste parameterconfiguraties voor de berekening van de inverse vierkantswortel. Deze configuraties omvatten doorgaans een specifieke graad voor de Chebyshev-polynoombenadering (gebruikt voor de initialisatie van de Newton-methode) en een vast aantal Newton-Raphson-iteraties. De auteurs identificeren een fundamenteel gebrek in deze statische aanpak: de relatieve computationele kosten van de twee primaire HE-operaties—Chebyshev-polynoomevaluatie en bootstrapping (ruisbeheer)—variëren drastisch (tot wel 6 $\times$ ) tussen verschillende HE-bibliotheken (bijv. Lattigo versus HEaaN) en hardware-omgevingen (CPU versus GPU).

Consequent is een configuratie die geoptimaliseerd is voor één omgeving (bijv. Lattigo op CPU, waar bootstrapping traag is en hoogwaardige polynomen de voorkeur hebben) suboptimaal of inefficiënt in een andere (bijv. HEaaN-GPU, waar bootstrapping snel is en de polynoomevaluatie de bottleneck vormt). Deze omgevingsafhankelijkheid maakt bestaande frameworks niet-generaliseerbaar en inefficiënt wanneer ze worden ingezet in heterogene systemen.

Methodologie: HE-DAP

Om dit aan te pakken, stellen de auteurs HE-DAP voor (Homomorphic Encryption-based Dynamic Adaptive Parameter Optimization), een cross-platform framework dat automatisch de optimale parameters voor de inverse vierkantswortel-berekening bepaalt op basis van de specifieke executie-omgeving.

Kernmechanisme

HE-DAP werkt tijdens een provisioning-fase (vóór de eigenlijke gegevensverwerking) om de prestatiekenmerken van de doelserver te profileren. Het selecteert dynamisch drie sleutelparameters voor het CryptoInvSqrt-algoritme:

$d$ : De graad van de Chebyshev-polynoombenadering.
$c$ : Een binaire indicator voor Pre-Bootstrapping (het toepassen van bootstrapping op de input-ciphertext vóór de inverse vierkantswortel-berekening).
$i$ : Het aantal Newton-Raphson-iteraties.

Algoritmische Workflow

Profilering: HE-DAP evalueert alle mogelijke input-ciphertext niveaus ( $l$ ) variërend van $l_{BTS} + 1$ tot $l_{max}$ .
Verkenning van de zoekruimte: Voor elk niveau test het combinaties van polynoomgraden ( $d$ $d$ ), Pre-BTS indicatoren ( $c$ $c$ ) en iteratieaantallen ( $i$ $i$ ).
- Als het inputniveau onvoldoende is voor de polynoomdiepte, wordt Pre-BTS overwogen ( $c=1$ ).
- Als het niveau voldoende is, wordt er zonder Pre-BTS geprocedeerd ( $c=0$ ).
Optimalisatiecriteria: Voor elke combinatie meet het systeem de Mean Relative Error (MRE) en de runtime. Het identificeert het optimale iteratieaantal ( $i$ ) dat voldoet aan een doel-MRE-drempelwaarde.
Parameterselectie: Het framework legt twee optimale tupels vast voor elk niveau:
- Accuracy-Oriented (Nauwkeurigheidsgericht): Minimaliseert de runtime onder een strikte More-restrictie.
- Speed-Oriented (Snelheidsgericht): Minimaliseert de runtime ongeacht de MRE (nuttig voor applicaties die hogere foutmarges tolereren).
Runtime Toepassing: Tijdens de eigenlijke statistische analyse gebruikt de server de vooraf berekende optimale parameters die overeenkomen met het huidige ciphertext-niveau, waardoor handmatige afstemming of vaste, suboptimale defaults overbodig worden.

Belangrijkste Bijdragen

HE-DAP Framework: De introductie van een nieuw adaptief optimizer dat de inverse vierkantswortel-operatie automatisch configureert voor diverse HE-bibliotheken en hardware, waarmee wordt afgestapt van statische, omgeving-specifieke parameters.
Prestatiewinst: Demonstratie dat HE-DAP de kern van de inverse vierkantswortel-berekening aanzienlijk versnelt. In de HEaaN-GPU-omgeving bereikt het een versnelling van maximaal 2,35 $\times$ ten opzichte van de vaste configuratie in PP-STAT, terwijl een hoge numerieke nauwkeurigheid (MRE $\le 3,1 \times 10^{-8}$ ) behouden blijft.
Uitgebreide Evaluatie: Een rigoureuze evaluatie over drie verschillende instellingen (Lattigo, HEaaN-CPU en HEaaN-GPU) en vier kernstatistische maten (Z-score, skewness, kurtosis, Pearson correlatie). De resultaten bevestigen dat HE-DAP consistent optimale configuraties ontdekt voor zowel CPU- als GPU-omgevingen.
Open Source: De release van de volledige HE-DAP implementatie om reproduceerbaarheid te waarborgen.

Experimentele Resultaten

De auteurs evalueerden HE-DAP tegenover PP-STAT (Lattigo-gebaseerd) en HEaaN-STAT (GPU-gebaseerd) met behulp van het CKKS-schema.

Inverse Vierkantswortel Prestaties:
- HEaaN-GPU: HE-DAP versnelde PP-STAT met 2,35 $\times$ bij niveau 12 en 1,79 $\times$ bij niveau 7 (accuracy-oriented) vergeleken met de vaste PP-STAT-configuratie. Vergeleken met HEaaN-STAT bereikte het een tot 2,15 $\times$ snellere runtime met een lagere MRE.
- HEaaN-CPU: Bereikte een 2,18 $\times$ versnelling ten opzichte van PP-STAT bij niveau 12.
- Lattigo: Bereikte een 1,96 $\times$ versnelling ten opzichte van PP-STAT bij niveau 11, terwijl het tegelijkertijd de MRE met 79 $\times$ verminderde vergeleken met de baseline PP-STAT.
End-to-End Statistische Analyse:
- Het toepassen van HE-DAP op statistische maten (ZNorm, Skew, Kurt, PCC) op real-world datasets (UCI Adult en Medical Cost Insurance) resulteerde in consistente versnelling.
- Op de Adult dataset verminderde HE-DAP de runtime met 42%–44% vergeleken met PP-STAT, terwijl een vergelijkbare MRE werd behouden.
- Op de Insurance dataset bereikten de reducties in runtime 44,6%.
Trade-off Analyse: De "Speed-Oriented" modus maakte nog grotere versnelling mogelijk (tot 6,34 $\times$ over HEaaN-STAT op GPU) ten koste van een hogere MRE, wat de flexibiliteit van het framework voor verschillende applicatie-eisen aantoont.

Betekenis en Claims

Het artikel claimt dat HE-DAP aantoont dat geprincipieerde parameteroptimalisatie privacy-bewuste statistische analyses op schaal praktisch kan maken. Door de automatisering van de adaptatie aan heterogene executie-omgevingen, lost HE-DAP de inefficiëntie op die wordt veroorzaakt door vaste parameters in bestaande frameworks.

De auteurs benadrukken dat hun aanpak omgevingsbewust is, waarbij zij erkennen dat de optimale balans tussen polynoomevaluatie en bootstrapping niet universeel is, maar afhankelijk is van de specifieke HE-bibliotheek en hardware. Door deze trade-off dynamisch te navigeren, zorgt HE-DAP ervoor dat de fundamentele bouwsteen van statistische analyse (inverse vierkantswortel) met maximale efficiëntie wordt uitgevoerd, waardoor de prestaties van complexe, end-to-end statistische workflows worden verbeterd zonder de privacygaranties van Homomorfe Encryptie in gevaar te brengen.

Het artikel concludeert dat hoewel de provisioning-fase (parameterzoekopdracht) een tijdskost met zich meebrengt (met name in CPU-bibliotheken zoals Lattigo), dit een eenmalige opstartkosten is die aanzienlijke, aanhoudende prestatievoordelen oplevert tijdens de eigenlijke gegevensverwerkingsfase. Toekomstig werk wordt gesuggereerd om de exploratietijd te verminderen door gebruik te maken van meetbare proxies voor prestaties in plaats van exhaustieve evaluatie.