Earticle

Hierarchical clustering is a widely-used technique in data analysis. Typically, tools for this method operate on data that is in its original, readable form. This poses privacy concerns when dealing with sensitive data that needs to remain confidential. To tackle this issue, we developed a method that integrates CKKS homomorphic encryption, allowing the clustering process to happen without revealing the raw data. However, a challenge emerges when trying to sort the encrypted distances, a crucial step for single linkage clustering. Given the complexities of sorting encrypted data, we propose a cooperative approach: the data owner aids in the sorting process and shares a list of data positions. Using this list, the server can determine how data points cluster together. Our approach ensures a secure hierarchical single linkage clustering process, grouping data without exposing its original content.

최근 동형암호를 사용한 프라이버시 보호 머신러닝(Privacy-Preserving Machine Learning, PPML)에 대한 연구가 활발히 진행되고 있다. 동형암호를 사용하는 경우 클라이언트의 데이터를 암호화된 상태로 기계학습 연산을 할 수 있어 데이터 프라 이버시를 보장할 수 있다. 그러나 동형암호가 회로 프라이버시를 보장하지 않기 때문에 서버의 연산 모델이 유출될 수 있다는 문제점이 있다. 또한, 연산에 일정 이상의 곱셈 깊이가 요구되는 경우, 부트스트래핑 과정을 수행해야 하며, 이로 인해 전체적 인 연산 속도가 저하될 수 있다. 본 논문에서는 서버의 동형연산 과정에서 암호문의 노이즈를 재랜덤화함으로써 서버의 연산 모델을 보호하고, 동시에 통신 환경을 활용한 부트스트래핑을 통해 연산 오버헤드를 줄이는 방법을 제안한다. 이를 통해 데이 터 프라이버시와 회로 프라이버시를 모두 보장하면서도 계산 효율성을 갖춘 PPML 프레임워크를 제시한다.

Recent advances in Privacy-Preserving Machine Learning (PPML) have actively explored the use of homomorphic encryption (HE), which enables computations to be performed directly on encrypted client data, thereby preserving data privacy. However, HE does not inherently guarantee circuit privacy, potentially resulting in the unintended leakage of the server’s computational model. Furthermore, when computations require a certain level of multiplicative depth, a bootstrapping process becomes necessary, which can slow down the overall computation. In this paper, we propose a method that protects the server’s computational model by re-randomizing ciphertext noise during homomorphic operations. At the same time, we reduce computational overhead by performing bootstrapping using the communication channel. Thus, we present a computationally efficient PPML framework that ensures circuit privacy.

최근 엄청난 계산 능력을 보여주는 양자 컴퓨터와 정보 접근성이 높고 비용이 낮은 클라우드 컴퓨팅에 대한 개발이 활발하 게 이루어지고 있다. 이러한 양자 컴퓨터의 경우 양자오류정정부호가 필수적이며, 클라우드 컴퓨팅의 경우 보안성 및 계산성 을 확보하기 위해 동형암호가 사용될 수 있다. 각각 다른 목적을 위해 사용되는 이 두 기법은 서로 비슷한 가정을 바탕으로 하고 있어, 양자오류정정부호를 기반으로 동형암호를 구성하는 연구들이 진행되어왔다. 따라서 본 논문에서는 일반적인 양자 오류정정부호를 변형하여 동형암호적 양자정보처리가 가능한 기법을 제시한다. 기존의 양자오류정정부호를 이용한 동형암호 기법의 경우 부호를 사용하였지만 오류정정 능력이 전혀 없는데 반해, 제시한 양자오류정정부호 기법을 사용하면 동형암호적 양자정보처리가 가능하면서도, 동시에 양자오류정정부호 본연의 기능인 양자정보의 연산, 저장 중의 오류를 정정할 수 있는 장점이 존재한다.

Recently, developments on quantum computers and cloud computing have been actively conducted. Quantum computers have been known to show tremendous computing power and Cloud computing has high accessibility for information and low cost. For quantum computers, quantum error correcting codes are essential. Similarly, cloud computing requires homomorphic encryption to ensure security. These two techniques, which are used for different purposes, are based on similar assumptions. Then, there have been studies to construct quantum homomorphic encryption based on quantum error correction code. Therefore, in this paper, we propose a scheme which can process the homomorphic encryption like quantum computation by modifying the QECCs. Conventional quantum homomorphic encryption schemes based on quantum error correcting codes does not have error correction capability. However, using the proposed scheme, it is possible to process the homomorphic encryption like quantum computation and correct the errors during computation and storage of quantum information unlike the homogeneous encryption scheme with quantum error correction code.

연방학습은 환자의 원시 데이터를 교환하지 않고 여러 의료기관간 협력적 모델훈련을 가능하게 함으로써 의료 AI의 개인정보 보호 문제를 해결한다. 그러나 기존 연방학습은 여전히 기울기 노출로 인한 개인정보 유출 위 험이 존재한다. 본 연구는 데이터와 모델 매개변수를 보호하기 위해 차등 프라이버시(DP)와 동형 암호화(HE)를 결합한 프라이버시 강화연방학습 프레임워크를 제안한다. 동형암호는 암호화된 연산을 통해 통신을 암호화하는 반 면, 차등 프라이버시는 기울기에 제어된 노이즈를 추가한다. 실제 의료 데이터셋을 활용한 질병분류 실험결과, 제안 한 모델은 우수한 프라이버시(ε = 1.2)와 적당한 통신비용으로 90.7%의 정확도를 보였다. 안전한 의료 애플리케이 션을 위해 본 모델은 효율성, 프라이버시, 성능간의 적절한 균형을 제공한다.

Federated Learning (FL) addresses privacy concerns in medical AI by facilitating cooperative model training across several healthcare organizations without exchanging patients' raw data. However, traditional FL still runs the danger of privacy leaking due to gradient exposure. In order to protect data and model parameters, this research aims to provide a privacy-enhanced FL framework that combines Differential Privacy (DP) with Homomorphic Encryption (HE). While HE encrypts communication with encrypted computation, DP adds controlled noise to gradients. Experiments on a real medical dataset for disease classification demonstrate that the suggested FL + DP + HE strategy achieves 90.7% accuracy with good privacy (ε = 1.2) and modest communication cost. For safe healthcare applications, the model provides a good balance between efficiency, privacy, and performance.

PC, SNS, IoT의 대중화로 수많은 데이터가 생성되고 그 양은 기하급수적으로 증가하고 있다. 거대한 양의 데이 터를 활용하는 방법으로 인공신경망 학습은 최근 많은 분야에서 주목받는 주제이다. 인공신경망 학습은 음성인식, 이미 지 인식에서 엄청난 잠재력을 보였으며 더 나아가 의료진단, 인공지능 게임 및 얼굴인식 등 다양하고 복잡한 곳에 광범 위하게 적용된다. 인공신경망의 결과는 실제 인간을 능가할 정도로 정확성을 보이고 있다. 이러한 많은 이점에도 불구하 고 인공신경망 학습에는 여전히 프라이버시 문제가 존재한다. 인공신경망 학습을 위한 학습 데이터에는 개인의 민감한 정보를 포함한 다양한 정보가 포함되어 악의적인 공격자로 인해 프라이버시가 노출될 수 있다. 공격자가 학습하는 도중 개입하여 학습이 저하되거나 학습이 완료된 모델을 공격할 때 발생하는 프라이버시 위험이 있다. 본 논문에서는 최근 제안된 신경망 모델의 공격 기법과 그에 따른 프라이버시 보호 방법을 분석한다.

With the popularization of PC, SNS and IoT, a lot of data is generated and the amount is increasing exponentially. Artificial neural network learning is a topic that attracts attention in many fields in recent years by using huge amounts of data. Artificial neural network learning has shown tremendous potential in speech recognition and image recognition, and is widely applied to a variety of complex areas such as medical diagnosis, artificial intelligence games, and face recognition. The results of artificial neural networks are accurate enough to surpass real human beings. Despite these many advantages, privacy problems still exist in artificial neural network learning. Learning data for artificial neural network learning includes various information including personal sensitive information, so that privacy can be exposed due to malicious attackers. There is a privacy risk that occurs when an attacker interferes with learning and degrades learning or attacks a model that has completed learning. In this paper, we analyze the attack method of the recently proposed neural network model and its privacy protection method.

정보의 기밀성을 보장하기 위해 고대로부터 다양한 암호기술들이 제안되었고, 다양한 방식으로 발전하고 있다. 기하급수적으로 증가하는 컴퓨터 파워로 인해 안전성 때문에 암호화 키가 점차 증가되고, 짧은 기간에만 안전성을 보장받는 방식으로 기술이 발전되고 있다. 4차 산업혁명의 도래로 다양한 분야에 암호화기술이 요구되고 있다. 최근 동 형암호를 활용한 암호화 기술이 주목받고 있다. 암호화된 정보의 연산을 위해 복호화하는 과정에서 사용된 키와 복호 문의 노출로 인해 보안위협이 발생된다. 동형 암호는 암호문의 데이터를 연산하여 평문상태의 정보를 노출없이 정보를 안전하게 처리가 가능하다. 다양한 서비스에서 암호화된 개인정보가 저장된 빅데이터 처리시 동형암호을 활용할 경우 키사용과 복호화 평문의 노출이 없기 때문에 보안의 위협을 피할 수 있다.

Various cryptographic technologies have been proposed from ancient times and are developing in various ways to ensure the confidentiality of information. Due to exponentially increasing computer power, the encryption key is gradually increasing for security. Technology are being developed; however, security is guaranteed only in a short period of time. With the advent of the 4th Industrial Revolution, encryption technology is required in various fields. Recently, encryption technology using homomorphic encryption has attracted attention. Security threats arise due to the exposure of keys and plain texts used in the decryption processing for the operation of encrypted information. The homomorphic encryption can compute the data of the cipher text and secure process the information without exposing the plain text. When using the homomorphic encryption in processing big data like stored personal information in various services, security threats can be avoided because there is no exposure to key usage and decrypted information

This With the expansion of information and communication technology, the term ubiquitous computing is a known concept used to describe the current era of interconnected digital systems, which is silently posing a new threat to private information leakage through encryption applications. This work aims to acquaint individuals with the privacy information forms of expression in networking technology and then proposes secure multi-party computation to achieve personal information protection. This work emphasizes that, for the time being, homomorphic computing research approaches privacy in ubiquitous environments without considering the various aspects and fundamental principles of privacy. Finally, this work highlights the need for multidisciplinary research in the area and the importance that homomorphic computing algorithm research receives input from other related disciplines, such as law and psychology. This research aims to contribute to the ongoing discourse on the nature of privacy and its role in ubiquitous environments, providing insights for future research. Although research on privacy in the area of ubiquitous computing expands in many different directions and covers various topics, privacy issues are still open, and it appears that feasible and effective solutions are still quite far from being realized. A critical analysis of this research on privacy in ubiquitous environments reveals a significant shift: up to now, it has been the government's role to provide the framework for privacy protection. Homomorphic encryption is an encryption scheme that allows operations on encrypted data, and it can be applied in any system using various public key algorithms. When data is transferred to the public area, various encryption algorithms are used to secure both the operations and storage of the data. However, to process data located on a remote proxy server while preserving privacy, homomorphic encryption is crucial, especially for network-based operations.

Security is the major concern about data especially when we are storing it on the cloud and handing over it to the third force as the cloud resource supplier. We store our important data on the cloud in the shape of cipher-text but we have to convert it to plain text to perform calculations on it, which disturb its security including confidentiality, privacy, authentication, etc. so, our ultimate goal was to introduce some of the best encryption technique for securing data. In this regard, we have discussed Homomorphic Encryption (HE) in our paper. This survey is shown how HE could be used to make secure data on the cloud. HE is a technique in which data (plaintext) is converted in cipher-text (unreadable format). Users can perform required calculations on encrypted data without decrypting it and which does not affect the original form of data. This paper aims to focus on the fully homomorphic encryption technique. For this purpose, many approaches were analyzed and we suggested the best approach at the end of the paper.

클라우드 컴퓨팅, 모바일 스마트 기기, 소셜 네트워크 등 새로운 컴퓨팅 환경과 서비스들이 등장함에 따라 데이터 유출 및 손실, 클라우드 서버의 서비스 장애 등 많은 문제가 대두되고 있다. 특히 외부 클라우드 서버에 데이터를 저장하고 계산하는 경우에 프라이버시 문제가 발생할 수 있는데, 동형 암호는 이런 문제를 해결하기 위한 기술 중 하나로 제시되었다. 본 논문에서는 Coron 등이 Crypto 2011에 제시한 부분 동형 암호화 방법의 암호화 연산을 가 속화하는 기법을 소개한다. 실험 및 분석 결과, 제안 기법에 의해 암호화 연산의 속도가 8.21배까지 향상되는 것을 확인할 수 있었다. 또한, 각 연산의 수행 시간을 측정하여 평균, 분산, 행렬곱셈의 동형 계산 시간을 분석한 결과 성 능이 현저히 향상되는 것을 확인하였다.

The development of cloud computing, smart devices and social network services raised various privacy issues such as private data leakage or loss, service outage of cloud servers and so on. These problems can occur particularly when data manipulation is done remotely on the cloud servers and smart devices. To solve these problems, homomorphic encryption schemes that enable computation on encrypted data have been proposed. In this paper, we accelerate the encryption operation of Coron’s somewhat homomorphic encryption scheme proposed in Crypto 2011. The experimental results and analysis show that our techniques speed up the encryption operation by up to 8.21 times. We measured the time for each homomorphic operation and estimated the time for calculating arithmetic mean, variance, and matrix product. According to our estimation, the performance of these computations is improved remarkably by applying our techniques.

메타버스 산업 시장의 활성화와 함께 가상 공간에서의 경제활동에 대한 관심이 급증하고 있다. 이에 따라 메타 버스 내에서 안전하고 효율적인 디지털 자산 거래의 필요성이 부각되고 있으며, 이에 대한 다수의 연구/개발이 이루어지고 있다. 이 중 Non-Fungible Token은 디지털 콘텐츠의 소유권을 명확히 할 수 있는 중요한 수단으로 부각되고 있다. 하지만, 해당 기술은 블록체인 기술을 기반으로 하고 있어 내부 메타데이터 정보의 투명한 공개로 인해 사용자의 프라이버시 및 저작권을 침해하는 이슈가 발생할 수 있다. 또한, 중앙 집중화된 플랫폼을 통한 Non-Fungible Token 거래는 거래 비용 및 거래 과정의 복잡성을 증가시키며, 중앙 집중식 형식으로 인해 보안 사고가 발생하였을 시 데이터 유출로 인한 사용자 프라이버시 침해 이슈가 발생 가능하다. 이에 본 논문에서는 메타버스 환경 내에서 안전하고 이해관계자의 권리가 보장된 Non-Fungible Token 거래가 가능하도록 동형암호 기반 프라이버시 보존 Non-Fungible Token 거래 시스템을 제안한다. 제안된 시스템은 Non-Fungible Token 거래 시 발생하는 민감 정보에 대해 동형암호 기술을 적용하여 사용자의 프라이버시를 보호하고, 디지털 콘텐츠 에 대한 유사도 검사를 통해 저작권자의 권리를 보장받을 수 있도록 한다. 이와 더불어 메타버스 환경 내에서 사 용자 경제 활동의 특성상 1대1 거래가 발생할 수 있음에 따라 Peer-to-Peer 거래 방식을 기반으로 시스템이 동작하도록 하여 불필요한 거래 과정 및 거래 수수료를 제거하고, 양 당사자 모두의 동의 하에만 거래가 이루어 지도록 함으로써 거래의 신뢰성과 프라이버시 보호가 강화된 Non-Fungible Token 거래 시스템을 제안한다.

미래 전장환경은 주로 네트워크 중심전의 이론을 기반으로 표현되고 있다. 미래의 전쟁에서는 적군보다 먼저 적을 인식하고, 빠르게 의사결정을 하여 정확하게 타격을 하는 것을 목표로 하고 있다. 이를 위해 C4ISR+PGM의 통합체계를 구축 중이다. 이러한 통합체계에서는 정보의 보안측면을 더욱 강화해야 한다. 특히, 보안성의 강화는 효율성의 저하로 이어진다. 때문에 보안성과 효율성이 고려되어야 한다. 이에 본 연구에서는 미래 전장환경에서의 정보공유 중에 데이터 를 안전하게 관리할 수 있는 준동형 암호 시스템을 제안한다. 제안기법은 암호문 상태에서 산술연산이 가능한 준동형 암호를 사용한다. 암호문 상태에서 원하는 정보로 수정하여 정보를 전달하므로, 정보전달하는 중에 유출되더라도 공격 자는 제대로 된 정보를 확인 할 수 없다.

Be expressed in network-centric warfare, mainly battlefield environment of the future. The purpose of the system for the war of the future, is to recognize the enemy before the enemy, and rapid decision-making, to hit accurately. For this reason , it is during the construction of the integrated system of C4ISR+PGM. In such an integrated system , it is necessary to further enhance the security aspects of the information. In particular, strengthening of security leads to a decrease of efficiency. Therefore, security and efficiency should be considered together. In this study, we provide a homomorphic encryption system that can be safely managed information environment on the battlefield of the future. The proposed method uses encryption technology of homomorphic that can be the arithmetic operations on encrypted state. It has changed from the state of the encryption. Therefore, the attacker can not know a decent information.

기계 학습은 다양한 현상의 예측 및 분석 등을 가장 정확하게 수행하는 기술 중 하나이다. K-평균 클러스터링은 주 어진 데이터들을 비슷한 데이터들의 군집으로 분류하는 기계 학습 기법의 한 종류로 다양한 분야에서 사용된다. K- 평균 클러스터링의 성능을 높이기 위해서는 가능하면 많은 데이터에 기반한 분석을 수행하는 것이 바람직하므로, K-평균 클러스터링은 데이터를 제공하는 다수의 클라이언트들과 제공받은 데이터들을 사용하여 클러스터의 중심값 을 계산하는 서버가 있는 모델에서 수행될 수 있다. 그러나 이 모델은 클라이언트들의 데이터가 민감한 정보를 포함 하고 있는 경우, 서버가 클라이언트들의 프라이버시를 침해할 수 있다는 문제점이 있다. 본 논문에서는 다수의 클라 이언트가 있는 모델에서 이러한 문제를 해결하기 위해 동형 암호를 사용하여 클라이언트의 프라이버시를 보호하며 기계 학습을 수행할 수 있는 프라이버시 보장형 K-평균 클러스터링 방법을 제안한다.

Machine learning is one of the most accurate techniques to predict and analyze various phenomena. K-means clustering is a kind of machine learning technique that classifies given data into clusters of similar data. Because it is desirable to perform an analysis based on a lot of data for better performance, K-means clustering can be performed in a model with a server that calculates the centroids of the clusters, and a number of clients that provide data to server. However, this model has the problem that if the clients’ data are associated with private information, the server can infringe clients’ privacy. In this paper, to solve this problem in a model with a number of clients, we propose a privacy-preserving K-means clustering method that can perform machine learning, concealing private information using homomorphic encryption.

동형 암호는 암호화된 상태의 데이터를 이용해 연산을 수행할 수 있는 암호화 방법으로, 클라우드 서비스 등 원격서버에 데이터를 저장하고 사용하는 경우에 있어 프라이버시 문제를 해결하는 수단으로 최근 활발하게 연구되고 있다. 최근까지는 완전 동형 암호의 경우 큰 암호문에 한 비트 평문 밖에 저장할 수 없어 동형 암호의 실용성 문제가제기되었으나, 하나의 암호문에 여러 평문을 저장하는 일괄 완전 동형 암호가 Eurocrypt 2013에서 Cheon 등에의해 제시되었다. 본 논문에서는 이러한 일괄 완전 동형 암호 및 이의 응용을 직접 구현하고 성능을 평가하였으며, 추가적으로 멀티코어 환경에서의 병렬처리에 따른 최적화 가능성을 확인하였다.

Homomorphic encryption is an encryption scheme where operations are performed over encrypted data. An extensive research on homomorphic encryption has been done to solve the privacy issue in the applications such as cloud computing services that store critical data on remote servers. Until recently, a ciphertext of fully homomorphic encryption was able to deal with only a single plaintext bit, which was an issue from a practical viewpoint. However, in Eurocrypt 2013, Cheon et al. proposed a batch fully homomorphic encryption scheme that encrypts multiple plaintext bits in a single ciphertext. In this paper, we implement this batch fully homomorphic encryption scheme and its application and estimate the performance. In addition, we implemented this scheme on a multi-core environment to verify the effect of a parallel optimization.

이용자가 직접 유전체 검사를 의뢰하는 DTC(Direct-to-Consumer) 유전자검사가 확산되고 있다. 수요 확대에 따라 인증제도를 통한 비 의료기관에 검사자격을 부여하고, 검사항목을 확대하였다. 그러나 제약이 적은 국외 사례와 달리 국 내 제도에서는 여전히 질병 검사항목은 제외한다. 기존의 비식별 방식은 유전체 정보의 고유성과 가족 공유성에도 영향 을 미쳐 충분한 활용 가능성을 보장하지 못한다. 따라서 본 연구는 서비스 활성화 및 검사 항목 확대를 위한 방안으로 분석과정에 완전동형암호를 적용하여 유전체 정보의 유용성을 보장하되, 유출 우려를 최소화한다. 또한 정보주체의 자 기결정권 보장을 위해 Opt-out을 기반한 프라이버시 보존 모델을 제안한다. 이는 유전체 정보보호와 활용 가능성 유지 를 목표로 하며, 이용자의 의사를 반영한 정보의 활용 가능성을 보장한다.

The spread of Direct-to-Consumer (DTC) genetic testing, where users request tests directly, has been increasing. With growing demand, certification systems have been implemented to grant testing qualifications to non-medical institutions, and the scope of tests has been expanded. However, unlike cases in less regulated foreign countries, disease-related tests are still excluded from the domestic regulations. The existing de-identification method does not adequately ensure the uniqueness and familial sharing of genomic information, limiting its practical utility. Therefore, this study proposes the application of fully homomorphic encryption in the analysis process to guarantee the usefulness of genomic information while minimizing the risk of leakage. Additionally, to safeguard the individual's right to self-determination, a privacy preservation model based on Opt-out is suggested. This aims to balance genomic information protection with maintainability of usability, ensuring the availability of information in line with the user's preferences.

기업체에서는 정보를 암호화 후 저장하는 것을 법적으로 의무화하고 있다. 하지만, 실제로 정보를 암호화하여 저장 하면 검색 또는 수정 시 서버에서 사전에 반드시 복호화 과정을 수행해야만 한다. 그러므로 처리지연 시간이 발생하고, 효율성이 떨어진다. 이러한 작업은 서버에 부담을 주게 되므로 서버를 관리하는 업체나 관리자는 정보를 암호화하여 저 장하지 않는다. 본 논문에서는 네트워크 환경에서 정보의 수집과 빠른 의사결정을 복호화 과정 없이 암호문을 수정할 수 있는 준동형 연산을 이용하여 안전성이 보장되고 빠른 처리가 가능한 효과적인 보안 데이터 관리 시스템을 설계하 고 구현한다. 구현된 시스템은 보안성의 보장을 위해 기존의 암호화 알고리즘을 사용할 수 있다. 검색 시에는 키워드 검색 방식을 사용한다. 추가로 트랩도어를 사용함으로써 키워드가 노출되지 않고 검색 시마다 변경되어 키워드에 대한 정보가 노출되지 않는다.

General companies consider saving the information after enciphering as law. However, if the actual information is saved as enciphered, the decoding process must be conducted when the information is searched or edited in the ser ver. Therefore, process delay time occurs and is less efficient. This kind of work gives burden to the server, so the companies or managers handling the server do not save the information after enciphering. In this paper, the Networ k constructs and realizes an efficient security data management system that ensures safety and haste in operating u sing the homomorphic encryption technology, which collects information and decides quickly, and enables editing the encryption without a decoding process. To ensure the security of the embodied system, the existing encryption algo rithm can be used. Search method to use the keyword search. Additionally, by using a trapdoor, the keyword is not expose and it is changed whenever it is searched, and the formation of the keyword does not get exposed.

클라우드 컴퓨팅 기술을 활용한 데이터의 아웃소싱은 제공된 데이터에 대한 제 3자 노출, 변조, 연산위임 결과의 신 뢰성 등이 문제가 되고 있다. 이러한 보안 이슈들를 해결하기 위해 데이터를 암호화 한 후 연산 및 분석을 수행하는 준 동형 암호가 큰 각광을 받고 있으며, 최근에는 준동형 암호에 인증 기능을 보강한 준동형 인증 암호들이 제안되었다. 이 암호를 활용하면 정보의 유출과 민감한 개인정보에 대한 침해 문제없이 데이터의 분석이 가능함과 동시에 위임된 연산 에 대한 신뢰성을 보장받을 수 있기 때문이다. 그러나 준동형 인증 암호 설계에 대한 연구는 아직 초기 단계이다. 제시 된 준동형 인증 암호들 중 실용적인 스킴들은 그 안전성이 매우 낮거나, 반대로 안전성이 높은 경우에는 실용적이지 못 하다. 또한 준동형 메시지 인증 스킴과 준동형 암호를 바탕으로 준동형 인증 암호를 설계하는 기법에 대한 분석이 부재 한 실정이다. 본 논문에서는 준동형 메시지 인증 스킴과 준동형 암호를 결합하여 설계하는 기법에 대한 안전성 분석하 였다. 분석 결과 위조 불가능한 준동형 메시지 인증 스킴을 이용하여 준동형 인증 암호를 구성하면 준동형 인증 암호 역시 위조불가능성을 갖지만 강한 위조 불가능성의 경우는 그렇지 않았다. 한편 구별불가능성을 갖는 준동형 암호를 이 용하여 준동형 인증 암호를 설계하더라도 구별불가능성에 대한 안전성을 만족하지 못함을 확인하였다.

Data outsourcing utilizing the Cloud faces a problem of the third-party exposure, modulation, and reliability for the provided computational delegation results. In order to solve those problematic security issues, homomorphic encryption(HE) which executes calculation and analysis on encrypted data becomes popular. By extension, a new type of HE with a authentication functionality, homomorphic authenticated encryption(HAE) is suggested. However, a research on the HAE is on the initial stage. Furthermore, based on a message authenticated scheme with HE, the method and analysis to design is still absent. This paper aims to analyze an HAE, with a generic combination of a message authenticated scheme and a HE, known as “Encrypt with Authentication”. Following a series of analysis, we show that by adopting a unforgeable message authenticated scheme, the generically constructed HAE demonstrated an unforgeability as well. Though, a strong unforgeability is not the case. This paper concludes that although indistinguishable HE can be applied to design the HAE, a security issue on the possibility of indistinguishability is still not satisfied.

Recently user privacy becomes an important security goal in most computer applications especially in context aware services. One of the most popular services in this field is location-based services (LBSs) that deliver the desired data based on the user’s location. Although these services make the life easier, they lead to a privacy risk. To get the desired services, a user should disclose her location; so her location privacy is threatened. In this paper we consider a group of users who wants to use a location-based service while preserving their location privacy. We propose a solution for this scenario and compare it with the previous solution. Analysis of our protocol shows the effectiveness of the proposed approach in terms of computation and communication costs.

The time and cost saving for banks when implementing cloud computing strategies are staggering. However, it is important to consider the security and protection of data when it comes to the widespread adoption of cloud. Fully homomorphic encryption is currently still undergoing experimentations. One of its limitation is the time required to encrypt and decrypt the sensitive data, as the traditional encryption systems showed a level of resistance and considerable maturity that can be rehabilitated or hybridized for application in the field of sensitive data protection hosted in the Cloud. In this paper we will propose hybrid homomorphic system that will be applied to the banking data to perform operations on encrypted data without decrypting, based on the encrypting, the decryption and the operation treatment time on the ciphertext which were obtained by simulating an addition and multiplication homomorphic cryptosystem and comparing it with DGHV that is somewhat homomorphic; then we will choose our model which is most suitable for banking application.

Because of the importance of the information, encryption algorithms are heavily used. Raw data is encrypted and secure, but problems arise when the key for decryption is exposed. In particular, large-scale Internet sites such as Facebook and Amazon suffer serious damage when user data is exposed. Recently, research into a new fourth-generation encryption technology that can protect user-related data without the use of a key required for encryption is attracting attention. Also, data clustering technology using encryption is attracting attention. In this paper, we try to reduce key exposure by using homomorphic encryption. In addition, we want to maintain privacy through similarity measurement. Additionally, holistic similarity measurements are time-consuming and expensive as the data size and scope increases. Therefore, Min-Hash has been studied to efficiently estimate the similarity between two signatures Methods of measuring similarity that have been studied in the past are time-consuming and expensive as the size and area of data increases. However, Min-Hash allowed us to efficiently infer the similarity between the two sets. Min-Hash is widely used for anti-plagiarism, graph and image analysis, and genetic analysis. Therefore, this paper reports privacy using homomorphic encryption and presents a model for efficient similarity measurement using Min-Hash.

암호학적인 전자투표 시스템에서 투표자의 익명성 (Anonymity)을 보장하는 핵심 기법은 믹스넷 (Mix-net)이다. 믹스넷은 암호화된 투표값을 입력으로 받아 역시 암호화된 투표값을 출력하는데 이때 입력값과 출력값의 연결관계를 제거한 후 출력하는 것이 특징이다. 본 논문에서는 이러한 믹스넷의 기능을 암호학적 기법을 이용해 실현하기 위한 그간의 중요한 연구 결과들을 분류하고 특징을 분석한다. 그 결과를 바탕으로 향후 믹스넷의 연구 방향에 대하여 고찰하고자 한다.

From the cryptographic angle, a mix-net plays a crucial and critical role in designing and constructing electronic voting systems, especially for ensuring anonymity.. A mix-net takes as input a list of encrypted ballots, and outputs a list of another encrypted ballots, but its most important functionality is to remove the linkability between the input list and the output list. So far, there have been a number of mix-net schemes making use of additive homomorphic encryption. In this work, we first identify some categories of mix-net schemes and list a sequence of important work in mix-net literature according to these criteria. We further give new research directions in this field.