面向GPU的全同态加密程序编译方法、编译装置以及计算设备与流程

摘要: 本说明书一个或多个实施例涉及密态计算领域,尤其面向gpu的全同态加密程序编译方法和编译器。背景技术:1、近年来,数据安全性的要求日益增强推动了全同态加密(ful...
面向GPU的全同态加密程序编译方法、编译装置以及计算设备与流程

本说明书一个或多个实施例涉及密态计算领域,尤其面向gpu的全同态加密程序编译方法和编译器。

背景技术:

1、近年来,数据安全性的要求日益增强推动了全同态加密(fully homomorphicencryption, fhe)等隐私增强技术的研究发展。其中,fhe能够在密文状态下直接进行计算,广泛适用于多方安全计算、联合数据处理、联合建模等隐私计算技术场景。

2、然而,将现实世界的应用程序转化为高效的 fhe 计算仍然极具挑战性,这主要是由于 fhe 方案固有的复杂性以及底层硬件架构的复杂性。

3、具体地,根据自举(bootstrapping)函数的评估方式,可以将 fhe 方案大致分为两大类:单指令多数据(simd-fhe)方案,如 ckks、bgv和 bfv算法;以及单指令单数据(sisd-fhe)方案,如 dm 、ap和 cggi算法。首先,由于具有大规模批处理能力,simd-fhe方案在执行大批量数据的同类计算方面非常有效,例如隐私保护的神经网络推理。然而,为了实现批量计算,simd-fhe 方案需要较大的加密参数,导致端到端计算延迟延长。相比之下,sisd-fhe方案每个密文仅加密一个明文数据,不使用大规模多项式表示。因此,像cggi这样的方案通常用于小规模数据的对时间敏感的即时响应应用。

4、基于这些加密方案,fhe程序编译器开始成为连接高层程序描述和底层fhe算子执行的重要桥梁。相应地,现有的fhe编译器可以根据所使用的fhe方案进行分类,即分类为simd-fhe 编译器、sisd-fhe 编译器和跨方案编译器。simd-fhe编译器主要专注于最小化bfv、bgv 和 ckks 方案上的有效乘法深度、加密参数和批量自举次数。而sisd-fhe方案的编译器通常将输入程序转换为布尔电路或查找表(luts),然后优化底层的fhe电路。最近,还提出了跨方案 fhe 编译器,旨在利用多种fhe方案来增强 fhe 程序的可用性和性能。

5、尽管取得了一些进展,但是,现有fhe编译器仍存在跨方案优化不足,以及缺乏软硬件协同的不足。需要一种新的编译范式,进一步增强跨方案同态计算的可用性和性能。

技术实现思路

1、本说明书一个或多个实施例描述了一种全同态加密程序编译方法和编译器,能够根据gpu硬件实现全同态加密程序的动态跨方案编译,增强跨方案同态计算的可用性和性能。

2、根据第一方面,提供了一种面向gpu的全同态加密程序编译方法,包括:

3、将目标程序对应的数据流中间表示转换为包含全同态算子的第一计算流表示;

4、利用预先构建的成本模型,基于gpu硬件平台的资源特性,对第一计算流表示中的至少一个全同态算子在不同加密方案下的执行成本进行成本评估,根据成本评估结果,生成优化后的第二计算流表示;其中,所述不同加密方案包括,单指令多数据simd方案和单指令单数据sisd方案;所述第二计算流表示包含各全同态算子在特定加密方案下的中间代码;

5、基于第二计算流表示,生成适于在所述gpu硬件平台上执行的目标代码。

6、根据第二方面,提供了一种面向gpu的全同态加密程序编译装置,包括:

7、第一转换模块,配置为将目标程序对应的数据流中间表示转换为包含全同态算子的第一计算流表示;

8、成本优化模块,配置为利用预先构建的成本模型,基于gpu硬件平台的资源特性,对第一计算流表示中的至少一个全同态算子在不同加密方案下的执行成本进行成本评估,根据成本评估结果,生成优化后的第二计算流表示;其中,所述不同加密方案包括,单指令多数据simd方案和单指令单数据sisd方案;所述第二计算流表示包含各全同态算子在特定加密方案下的中间代码;

9、代码生成模块,配置为基于第二计算流表示,生成适于在所述gpu硬件平台上执行的目标代码。

10、根据第三方面,提供了一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面所述的方法。

11、在本说明书的实施例中,构建了一个硬件感知的成本模型,该成本模型感知特定的gpu硬件平台,评估不同全同态算子在不同加密方案下的执行成本。编译器利用该成本模型进行成本评估,根据成本评估结果对计算流中间表示进行动态的跨方案全局优化,最终实现从高层语义到底层异步调度的编译处理,显著提升了跨方案全同态加密程序在gpu上的吞吐量资源利用率。

1.一种面向gpu的全同态加密程序编译方法,包括:

2.根据权利要求1所述的编译方法,还包括:

3.根据权利要求1所述的编译方法,其中,将目标程序对应的数据流中间表示转换为包含全同态算子的第一计算流表示,包括:

4.根据权利要求1所述的编译方法,其中,所述第一计算流表示包括第一全同态算子;所述成本评估包括:

5.根据权利要求4所述的编译方法,其中,通过近似函数,将各非线性算子转换为一组线性算子,包括:

6.根据权利要求1所述的编译方法,其中,所述第一计算流表示包括第一全同态算子;所述成本评估包括:

7.根据权利要求6所述的编译方法,其中,根据gpu硬件平台的资源特性和目标类型算子的数目确定执行波次,包括:

8.根据权利要求7所述的编译方法,其中,根据gpu硬件平台的资源特性确定处理所述目标类型算子的批次大小,包括:

9.根据权利要求6所述的编译方法,其中,所述当前执行波次中的处理算子数,根据所述批次大小和剩余算子数中的较小者确定;所述剩余算子数在得到当前执行波次的子成本后,通过扣减当前执行波次中的处理算子数而更新。

10.根据权利要求1所述的编译方法,其中,根据成本评估结果,生成优化后的第二计算流表示,包括:

11.根据权利要求10所述的编译方法,其中,所述中间计算图包括,沿数据流相邻的第一算子和第二算子,第一算子选定第一方案,第二算子选定第二方案;基于方案转换算子的执行成本对中间计算图执行全局优化,包括:

12.根据权利要求11所述的编译方法,其中,所述中间计算图还包括,沿数据流相邻的第三算子和第四算子,第三算子选定第三方案,第四算子选定第四方案;基于方案转换算子的执行成本对中间计算图执行全局优化,包括:

13.根据权利要求1所述的编译方法,还包括:对所述第二计算流表示中的中间代码进行参数优化,所述参数优化包括:

14.根据权利要求1所述的编译方法,其中,基于第二计算流表示,生成适于在gpu硬件平台上执行的目标代码,包括:

15.根据权利要求14所述的编译方法,其中,所述算子融合,包括:

16.根据权利要求14所述的编译方法,其中,根据第四计算流表示确定核函数执行规划,生成所述目标代码,包括:

17.一种面向gpu的全同态加密程序编译装置,包括:

18.一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-16中任一项所述的方法。