张明喆

中国科学院信息工程研究所副研究员/硕士生导师

CCF信息存储专委会、容错计算专委会执行委员，中国科学院信息工程研究所信息安全国家重点实验室副研究员。188体育app官网：博士毕业于中国科学院计算技术研究所。主要研究方向为：计算机体系结构，领域特定加速器，新型非易失存储器，硬件安全和同态加密加速。曾先后在中国科学院软件研究所、计算技术研究所和信息工程研究所工作，参与多款通用和专用处理器研发，并在MICRO、HPCA、DAC、PACT、IEEE TC、IEEE TCAD等计算机体系结构顶级会议和期刊发表论文30余篇，同时担任ISCA、MICRO、HPCA等多个领域内顶级会议的TPC Member。其提出的基于GPU的同态加密加速方案TensorFHE和基于FPGA的同态加密加速方案Poseidon创造了同类平台同态加密计算的最高性能纪录。

边松

北京航空航天大学副教授/博导

于2014年毕业于威斯康辛麦迪逊分校，分别于2017年和2019年在京都大学取得硕士与博士学位，于2019年任京都大学助理教授，于2021年任北京航空航天大学网络空间安全学院副教授。他的主要研究方向是同态加密、隐私保护计算与密码软硬件协同加速，于ACM CCS、NDSS、USENIX Security、VLDB及DAC等CCF-A类期刊及会议发表论文16篇，其中以第一或通讯作者身份发表论文11篇。获国家自然基金委、日本文部科学省战略创造研究、日本学术振兴会特别研究员项目支持。他是多个国际会议与期刊的程序委员与审稿人，包括AAAI、ICML、IEEE TDSC、TIFS及TCAD。他是IEEE与CCF的会员。

姜雷

美国印第安纳大学副教授

研究兴趣包括针对同态加密的神经网络设计，和针对同态加密的硬件加速。他在DAC，HPCA，ISCA，ASPLOS和MICRO等各种硬件会议发表十余篇论文。近期他也在NeurIPS，ICLR，EMNLP，ICM，和ICASSP等人工智能会议上发表十余篇论文。

一种针对环面同态加密的硬件加速器

环面同态加密可以通过同态逻辑门支持任意加密运算。但是，在现有GPU和FPGA上运算的每个环面同态加密门是非常耗时的。同时由于昂贵的浮点FFT和IFFT运算，现有的FPGA加速器需要很高的功耗去执行一个环面同态加密门。这本文中，我们将介绍一种高速低功耗的环面同态加密加速器。我们的环面同态加密加速器通过支持非精准无乘法FFT和IFFT流水线来加速bootstrapping key unrolling。和其他的环面同态加密加速器相比，我们的环面同态加密加速器增大了2.3倍吞吐量，并且提高了6.3倍每瓦特吞吐量。

顾振

达摩院研究科学家

现就职于阿里巴巴达摩院计算技术实验室，主要研究兴趣为隐私计算软硬件联合优化设计，曾参与达摩院、双子座实验室与蚂蚁链联合共创的联邦学习同态加速器设计与发布，参与实现达摩院自研业界首个全同态加密数据库的研发，成果收录于VLDB、DAC等国际会议及期刊。顾振博士毕业于清华大学集成电路学院，师从李树国教授研究高性能密码芯片设计，在校期间参与高性能ECC、RSA的设计与研究，并参与研发全同态加密硬件加速。

隐私计算中的多层次计算技术-以全同态加密为例

隐私计算在应用过程中效率与安全性的折中与平衡是落地中较为复杂的问题，如何在安全的前提下尽可能提升隐私计算方案的效率是一直以来的研究热点。本演讲从计算技术的角度，包括协议、算法、软硬件及编译等多个层次，针对一类典型的隐私计算全同态加密中存在的效率问题，阐述隐私计算高效落地的难点与痛点，以及计算技术与隐私计算联合优化过程中需求与前景。

张明喆

中国科学院信息工程研究所副研究员/硕士生导师

基于商用硬件的同态加密加速技术

与基于专用加速器的方案相比，基于GPU、FPGA等商用硬件的同态加密加速方案因其研发周期短、开发成本相对较低，因此对于学术界和工业界具有特殊的吸引力。然而，商用硬件的资源有限、开发灵活性低于ASIC加速器，难以满足兼具计算密集和访存密集特性的同态加密应用的需求。针对上述问题，本报告中将介绍基于商用硬件的同态加密加速研究领域的最新成果，并探讨基于商用硬件进行复杂应用加速的方法和思考。

马恺声

清华大学交叉信息研究院助理教授/博导

188体育app官网：博士毕业于美国宾夕法尼亚州立大学（Pennsylvania State University）计算机科学与工程系。主要研究方向为：Chiplet后摩尔时代体系架构、自动驾驶相关算法与芯片等。在NeurIPS，ICLR，ICML，ICCV，ECCV，CVPR，ISCA，ASPLOS，MICRO，HPCA，DAC，ISSCC等计算机人工智能领域、体系结构、芯片领域的顶级会议发表论文七十余篇。曾获2015年HPCA最佳论文奖，188体育app官网：EDAA Best Dissertation Award，2020年Springer Nature中国研究人员高影响力奖，2022年度CCF集成电路Early Career Award。

Chiplet路线与半同态全同态隐私计算

同态加密可以允许在密文上直接进行计算，是隐私计算领域的一个关键性技术。然而同态加密在满足安全性的同时却带来了巨大的计算开销，使得传统CPU和GPU的算力难以满足实际应用场景的计算需求。随着近些年的发展，学术界提出一系列加速同态加密计算的专用处理器，但无一例外，都需要大量的计算、存储和带宽资源。随着摩尔定律的逐渐失效，在单芯片上进行大算力的堆叠越发困难，这限制了单芯片同态加密处理器的性能。Chiplet的核心思想是以小芯片堆叠大算力，是解决后摩尔时代高算力需求的一项关键技术，在同态加密这种大算力场景尤其凸显其优势。在本报告中，我们将介绍如何用拆、拼、连、封等一系列Chiplet关键性技术加速同态加密隐私计算。

边松

北京航空航天大学副教授/博导

全同态加密数据库及编译器设计

全同态加密是一种可以在不传输解密密钥的前提下在密文上执行任意（图灵完备）计算的密码算法，在外包计算及双方安全计算场景中有广泛应用。本报告探讨如何基于全同态加密实现全密态数据库，以及如何实现全同态算法的自动编译；主要介绍过滤、线性及非线性聚合、排序及分组等关键数据库算子的全同态算法实现；同时，本报告将介绍HEIR，一种基于MILR的全同态算子及数据类型中间表示，以及如何利用HEIR实现明文程序的自动编译。