Paper: TCKKS: An Efficient TEE-Assistance CKKS Scheme Without Bootstrapping

1. 元信息

• paper_id: PAPER_627CFA0B
• title: TCKKS: An Efficient TEE-Assistance CKKS Scheme Without Bootstrapping
• year: 2026
• authors: Hui Zhu (Xidian Univ.)
• venue: IEEE Transactions on Dependable and Secure Computing (TDSC)
• DOI: TBD from extraction

2. 一句话贡献

提出TCKKS——结合可信执行环境(TEE)和CKKS全同态加密的高效方案，通过将CKKS中最耗时的自举(bootstrapping)操作委托给TEE安全执行，消除CKKS方案的同态自举瓶颈，在保持语义安全的同时大幅提升同态计算效率。（EVID-PAPER_627CFA0B-P1-C000）

3. 研究问题

3.1 原始问题

CKKS是支持近似浮点运算的主流全同态加密(FHE)方案，但其核心瓶颈——自举(bootstrapping)——消耗了绝大部分计算时间（约占90%以上）。虽然自举对深层次同态计算是必要的，但在许多实际场景中计算深度有限，此时自举成为不必要的性能开销。（EVID-PAPER_627CFA0B-P1-C000）

3.2 学术抽象

• 问题类型：密码工程优化（Cryptographic Engineering）
• 关键挑战：如何在不牺牲CKKS安全性的前提下消除/规避自举瓶颈；TEE和FHE的安全模型差异如何协调
• 形式化：设计TCKKS = CKKS - Bootstrapping + TEE-Assisted Noise Management，使得深层次同态计算可通过TEE安全执行噪声刷新(noise refresh)代替自举

3.3 问题重要性

CKKS是隐私保护机器学习中最有前途的同态加密方案之一。消除自举瓶颈可使其在推理即服务(MLaaS)、安全数据分析等场景中更加实用。

4. 核心思想

核心洞察：CKKS的自举本质上是"同态解密+重加密"以刷新密文噪声——这一操作可在TEE（如Intel SGX/TDX）中更高效地执行。TCKKS利用TEE的安全隔离能力：当CKKS密文噪声达到阈值时，将密文安全传入TEE、在TEE内部解密并重新加密（明文级噪声刷新），然后输出低噪声新密文。这避免了昂贵的同态自举电路评估，同时TEE的硬件级隔离保证了中间明文的安全。（EVID-PAPER_627CFA0B-P4-C012）

5. 方法框架

• 输入：CKKS密文数据
• 输出：同态计算结果（或刷新噪声后的新密文）
• 模型：CKKS FHE + TEE (Intel SGX/TDX) 混合架构
• 算法：
  • 普通同态运算（加/乘）→标准CKKS执行
  • 噪声刷新 → 密文传入TEE → TEE内部解密 → TEE内部重加密 → 低噪声密文输出
• 损失函数：N/A（密码方案）
• 数据集：N/A（通过密码学安全性证明和性能基准评估）
• 评价指标：计算延迟、吞吐量、通信开销（TEE-CPU数据传输）、安全级别

6. 实验设计

• Baseline：标准CKKS with Bootstrapping；SEAL/PALISADE等FHE库中的CKKS实现
• Ablation：不同计算深度下的TEE-CKKS vs Native CKKS性能对比
• 其他：TEE内存限制对批处理大小的影响；SGX/TDX enclave的启动和远程认证开销

7. 关键结论

8. 隐含假设

论文明确假设：TEE的侧信道防御有效（SGX/TDX的硬件安全保证）；同态计算中的数据流可预测（用于调度TEE刷新时机）。 系统推断：TEE enclave的内存限制（通常128-512MB EPC）可能限制batch size。

9. 局限性

论文提及局限：依赖Intel SGX/TDX硬件（供应商锁定）；TEE侧信道攻击（如Spectre/Meltdown变种）可能在理论威胁模型中。 系统推断：TEE-CPU的I/O带宽可能成为吞吐量瓶颈。

10. 可迁移启发

以下为 C 类迁移推断，非原论文结论。

1. "FHE+TEE"混合计算范式：将FHE的计算瓶颈操作委托给TEE——可迁移到其他FHE方案的类似瓶颈（如BGV/BFV的自举）、安全多方计算的预处理阶段。
2. 噪声管理外包：任何基于噪声的密码系统（LWE/NTRU等格密码）都可考虑TEE辅助的噪声刷新——可迁移到后量子密码的性能优化。
3. 混合信任模型设计：FHE（数学安全，无硬件信任根）+TEE（硬件安全，性能高）的组合代表了实用的密码工程哲学——不过度依赖任何单一安全假设。

11. 与其他论文关系

• 前置工作：CKKS (Cheon et al., ASIACRYPT 2017)、Intel SGX/TDX、FHE自举优化
• 同主题工作：与PriFFT互补（PriFFT用MPC保护联邦训练，TCKKS用FHE+TEE保护推理计算——两篇同属隐私计算基础设施）；与Lightweight Auth互补（设备认证 vs 云端同态计算安全）

12. Evidence 列表