Lightweight, practical encrypted face recognition with GPU support

Gabrielle De Micheli

doi:10.1016/j.jisa.2026.104615

Lightweight, practical encrypted face recognition with GPU support

2026-09-15

0

PRE

AI

G

Gabrielle De Micheli *

S

Syed Mahbub Hafiz *

G

Geovandro C. C. F. Pereira *

E

Eduardo Lopes Cominetti *

DOI：10.1016/j.jisa.2026.104615

原文链接

原文求助

摘要

En 中文

人脸识别通常在客户端-服务器模式下运行，其中客户端提取紧凑的人脸嵌入，服务器在模板数据库上进行相似度搜索。由于人脸数据高度敏感，这引发了显著的隐私问题。全同态加密（FHE）通过支持端到端的加密相似度搜索来解决这些担忧。然而，现有的基于FHE的协议计算成本高昂，并且由于大型旋转密钥集和带宽受限的同态操作，会带来高内存开销。基于前期工作，我们引入了HyDia（PoPETS 2025）的算法级和系统级改进，旨在面向资源受限（边缘）客户端的实际部署。首先，我们提出BSGS-Diagonal算法，一种快速且内存高效的相似度计算算法，采用预计算旋转并在连续矩阵-向量乘积中复用的婴儿步/巨人步策略。这实现了91%的旋转密钥减少（约减少14 GB客户端内存），并将服务器端CPU RAM峰值使用量从超过33 GB降至11 GB（适用于最多100万条数据库），同时将成员验证和识别的运行时间分别提升1.57倍和1.43倍。其次，我们引入GPU优化的相似度计算内核，包括基于FIDESlib（ISPASS 2025）构建的高效同态切比雪夫评估器，FIDESlib是一个基于OpenFHE的CKKS级GPU库。我们通过集成内核融合操作，而非卸载单个CKKS原语，避免了重复的CPU-GPU密文传输和昂贵的FIDESlib/OpenFHE数据结构转换。我们的HyDia和BSGS GPU结果在单GPU上分别实现最高9倍和21倍的速度提升（多GPU配置下最高可达287倍和211倍），支持最多2¹⁶条数据库的亚秒级加密人脸识别（多GPU配置下支持最多2¹⁹条），同时进一步降低了主机内存使用。

Keyword:

Facial recognition

Privacy-Preserving biometrics

Fully homomorphic encryption

CKKS

GPU

Lightweight, practical encrypted face recognition with GPU support

摘要

期刊

机构

引用论文