Homomorphic Encrptipn ables to compute on encrypted data
Text => Polynomials
Random noise for Encrptipn but has to be mitigate to encure accurate results
Mutch more complex than traditional programming and very slow. EN en plus ça ne scale pas
Pas de bibliothèques standards avec des données chiffrées
Arctyrex est compatible avec Open HFE le compilteur/chiffreur de google
Les calculs chiffrés deviennent des graphes (comme dans un programme normal) et toutes les instructions indépendentes peuvent être parallélisées (aussi comme dans un programme normal)
Le GPU ordonne les calculs automatiquement
Des millions de DFT doivent être appelées sur les FHE
Perf sur DGX A100 :
Private information retrieval : 2.6s sur 8 A100 100, ça représente quand même une quantité ennorme de calcul pour rechercher des informations
Encrypted linera algebra :
20 secondes pour un dot product de 500 éléments sur 8 A100 ??????
5 secondes pour l'addition de vectors de 500 éléments sur 8 A100 ????
42 secondes pour une mutliplication avec des matrices 10x10 sur 8 A100 ?????
Privacy perserving machine learning :
Logistic regression : 16 secondes pour une sigmoïde sur 4 élements (avec approximation) sur 8 A100 ?????
Aucune comparaison avec l'état de l'art sans chiffrement !
Digital Fingerprinting : 3x speed up (Morpheus 23.03) Control messages instead of streamed dataframe
Avec 35 lignes de code
Integrated Training : pas prévu au départ, mais ils n'ont intégré quand même. En fait on pouvait le faire, mais ce n'était pas optimal.
Agregation de données streamées
Generative AI and Spear fishing detection (au lieu d'envoyer des milliers de mails, seul quelques dixaines ou centaines sont envoyés, mais adaptés aux destinatires)
RTX DI : RTX Direct Illumination : les lampes peuvent être bien plus nombreuses qu'avant (des centaines ou des milliers), 5x par rapport à l'ancienne méthode
Ray Traced Foliage
Can cast long shadows
ReStir research (Reservoir SpatioTemporal Importance Resampling)