当前位置：首页 > news >正文

同态加密和SEAL库的介绍（十）CKKS 参数心得 2

news 文章来源：https://blog.csdn.net/WaitMrAnt/article/details/141102367 2025/5/6 0:41:28

写在前面：

本篇继续上篇的测试，首先针对密文深度乘法情况，虽然密文乘法本就是应该尽量避免的（时间和内存成本过高），更不用说深度乘法了，但是为了测试的完整性，还是做一下方便大家比对。
其次是关于参数设置对内存占用的影响，这个十分重要，因为我们在跑模型的时候，经常进程被 kill，因为确实是密文出乎意料的大，后面根据测试数据大家就能看出来。

一、测试配置

因为和之前的设置一样，这里就不多介绍了，直接放代码。

1.1 前置设置

EncryptionParameters parms(scheme_type::ckks);
size_t poly_modulus_degree = 8192;
parms.set_poly_modulus_degree(poly_modulus_degree);
parms.set_coeff_modulus(CoeffModulus::Create(poly_modulus_degree, { 50, 30, 30, 50 }));
double scale = pow(2.0, 30);
SEALContext context(parms);KeyGenerator keygen(context);
auto secret_key = keygen.secret_key();
PublicKey public_key;
keygen.create_public_key(public_key);
RelinKeys relin_keys;
keygen.create_relin_keys(relin_keys);
GaloisKeys gal_keys;
keygen.create_galois_keys(gal_keys);
Encryptor encryptor(context, public_key);
Evaluator evaluator(context);
Decryptor decryptor(context, secret_key);
CKKSEncoder encoder(context);
size_t slot_count = encoder.slot_count();

1.2 输入设置

为了具有对比参考价值，这里输入也设置成一样，不过对三个乘数进行加密。

vector<double> the_input;
the_input.reserve(slot_count);
for (size_t i = 0; i < slot_count; i++){the_input.push_back((double)i);
}
Plaintext the_input_plain;
encoder.encode(the_input, scale, the_input_plain);
Ciphertext the_input_enc;
encryptor.encrypt(the_input_plain, the_input_enc);Plaintext const_plain_1, const_plain_2, const_plain_3;
encoder.encode(3.14, scale, const_plain_1);
encoder.encode(3.14, scale, const_plain_2);
encoder.encode(3.14, scale, const_plain_3);
Ciphertext const_cipher_1, const_cipher_2, const_cipher_3;
encryptor.encrypt(const_plain_1, const_cipher_1);
encryptor.encrypt(const_plain_2, const_cipher_2);
encryptor.encrypt(const_plain_3, const_cipher_3);

二、密文乘法测试

跟上篇一样，每乘一次进行解密输出，便于查看中间结果信息。基于之前理论，继续 三次乘法，两次 Rescale。

2.1 乘法设置及密文大小观察

先写一下乘法代码：（注意所用的乘法函数和之前不同）

evaluator.multiply_inplace(the_input_enc, const_cipher_1);
evaluator.rescale_to_next_inplace(the_input_enc);evaluator.mod_switch_to_inplace(const_cipher_2, the_input_enc.parms_id());
const_cipher_2.scale() = the_input_enc.scale();
evaluator.multiply_inplace(the_input_enc, const_cipher_2);evaluator.rescale_to_next_inplace(the_input_enc);evaluator.mod_switch_to_inplace(const_cipher_3, the_input_enc.parms_id());
const_cipher_3.scale() = the_input_enc.scale();
evaluator.multiply_inplace(the_input_enc, const_cipher_3);decryptor.decrypt(the_input_enc, the_input_plain);
encoder.decode(the_input_plain, the_input);

先进行两次乘法查看中间结果：（这里输出一下密文大小）

对比之前的明文乘法，密文大小产生了变化，明文乘法后，大小不变；这里密文相乘后，结果的密文大小达到了3；第二次乘法后，大小变成了4；当然这里容量的变化比较明显，不过不知道其和大小的具体区别。

2.2 重新线性化观察

引入重新线性化，继续观察：

此处可以发现，每次重新线性化后，密文大小会减小到2，但是不会改变容量。另外，最后一位的精确值是 40375.062 ，上面对第二次乘法和第二次重新线性化后都进行了解密，对比不进行重新线性化，精度并未明显增强。因为 CKKS 没有噪声预算的概念，所以重新线性化在此处，并未观察到除减小密文外，明显的其他增益效果。

三、深度密文乘法测试

接下来，将 coeff_modulus 的长度为 4 和 5 分别进行测试。 （下面也进行了重新线性化）

3.1 长度为4的模数链

scale = 30，coeff_modulus = 160 (50 + 30 + 30 + 50) bits

果然，想进行第三次乘法，会报错：scale out of bounds！

按照上篇的理论，当处在模数链底层时，乘法结果的 scale 要小于 coeff_modulus 第一位。

那更改参数为：scale = 29，coeff_modulus = 176 (59 + 29 + 29 + 59) bits

果然就不报错，成功进行了第三次密文乘法。但是，第二次乘法结果还近似正确，第三次结果就不正确了（第一位本应该是0的），证明此种参数配置虽然可以乘，但是精度严重不足。

3.2 长度为 5 的模数链

既然上面的结论同上篇相同，那同理继续拉长模数链：（为了减少冗余，只截后面乘法结果）
scale = 30，coeff_modulus = 190 (50 + 30 + 30 + 30 + 50) bits

第三次乘法后，第三位的精确结果是：61.9183，最后一位应该是：126777.6947。可以看出，精度还可以。

另外，为了严谨，我还尝试了不进行重新线性化的三次密文乘法，结果为：

密文长度从一开始的2，增长到了5，但是解密的结果与上面近似。再次验证了重新线性化，并未带来精确度的提升。

3.3 深度乘法总结

本节的测试与上篇明文乘法的结论相同，即：

模数链限制了乘法深度（准确说是 Rescale 次数）；
处在模数链底的时候较为特殊：注意设置 coeff_modulus 第一位大于乘后 scale；
要想提高精度，就要适当拉长模数链（但是代价更大，下面会测试）。

四、参数设置对内存占用的影响

先叠甲：

本节测试是统计不同参数设置，对内存占用的影响。不同性能的计算机测试数据可能有差异，且我是用 Debug 模式运行，监视内存占用得出的数据，内存本身包含了 “上下文环境、各种密钥和实例”，甚至我每次运行都有波动，故不能当作精确值来推算，只具有相对意义。

测试说明：（为了减少上述因素带来的差异，故编码和加密的数量设置的比较多）

设置模式为 CKKS方案，设置的 poly_modulus_degree = 8192，创建二维 Plaintext 和 Ciphertext 数组。步骤如下：

创建 [50,50] 的 Plaintext 数组，即一共 2500 个明文块；
二层循环遍历数组，依次对每块进行编码（编码内容一样，都是相同的4096个数）；
编码结束后，统计当前的内存占用和程序运行时间；
创建 [50,50] 的 Ciphertext 数组，即一共 2500 个密文块；
二层循环遍历数组，依次对每块明文加密后放入对应密文块；
加密结束后，统计当前的内存占用和程序运行时间。

这里测试的含义是：poly_modulus_degree = 8192 时，不同参数设置下，编码 2500个明文块，以及加密 2500 个密文块。对应能存储的数据数量为： $2500 \times 4096 = 10240000$ 。

因为测试比较无聊，这里直接上结果：（再次强调，因为波动的原因，忽略小差异）

从表中发现结论：

明文块的大小和编码时间相对友好，密文块大小和加密的运行时间就很夸张了；
纵向来看，调大中间值和 scale，几乎不会影响内存占用；
横向来看，加长模数链，会同时增加明文块和密文块的大小！

上节提到了，除了加大scale，加长模数链能提高结果精度，但是这里会加大内存。所以第三条结论比较重要，为此再追加测试：

证明，确实加长模数链会加大明文和密文的内存，相应的计算时长应该也会增长（因为编码和加密时间确实长了）。另外，本次虽然只做了 CKKS 方案，但是 coeff_modulus 的设置相同，故其他方案的结论应该也类似。

五、本篇总结

本篇继续上篇针对 CKKS 方案的测试，首先证明了 重新线性化虽然会减少密文长度，但是并不会对计算结果的精度有明显的影响；模数链的长度确实会限制乘法深度（具体来说是 Rescale 次数），这点上密文乘法和明文乘法相同；

上篇中证明了 增加 scale 会提高精度，本篇也继续证明了增长模数链也能增加精度，但是内存测试后，前者 scale 不会提高内存，后者会增加内存成本和时间成本。

总结会发现，在应用同态加密的时候，首先乘法深度很是受限，其次内存成本和时间成本都是很需要考量的。故在设计算法的时候，要综合考虑多方面因素，还是比较费工夫的。