[论文解读] NSHEDB: Noise-Sensitive Homomorphic Encrypted Database Query Engine

Boram Jung, Yuliang Li+1 more|arXiv (Cornell University)|Feb 27, 2026

Cryptography and Data Security被引用 0

一句话总结

NSHEDB 是一个安全的查询引擎，使用逐词级别的 BFV 同态加密在不进行跨方案转码的情况下执行数据库查询，并具备噪声感知优化器，在 128 位安全性下的半诚实模型中对 TPC-H 工作负载实现了巨大的速度提升和存储减量。

ABSTRACT

Homomorphic encryption (HE) enables computations directly on encrypted data, offering strong cryptographic guarantees for secure and privacy-preserving data storage and query execution. However, despite its theoretical power, practical adoption of HE in database systems remains limited due to extreme cipher-text expansion, memory overhead, and the computational cost of bootstrapping, which resets noise levels for correctness. This paper presents NSHEDB, a secure query processing engine designed to address these challenges at the system architecture level. NSHEDB uses word-level leveled HE (LHE) based on the BFV scheme to minimize ciphertext expansion and avoid costly bootstrapping. It introduces novel techniques for executing equality, range, and aggregation operations using purely homomorphic computation, without transciphering between different HE schemes (e.g., CKKS/BFV/TFHE) or relying on trusted hardware. Additionally, it incorporates a noise-aware query planner to extend computation depth while preserving security guarantees. We implement and evaluate NSHEDB on real-world database workloads (TPC-H) and show that it achieves 20x-V1370x speedup and a 73x storage reduction compared to state-of-the-art HE-based systems, while upholding 128-bit security in a semi-honest model with no key release or trusted components.

研究动机与目标

• 通过解决 HE 支持系统在性能、存储和功能方面的瓶颈，推动实用化的加密数据库。
• 目标是设计一个完全在分层 HE 内部运作的安全查询处理引擎，以避免引导算法（bootstrapping）。
• 开发核心关系运算符的基于算术的实现，而不进行模式级别的方案切换。
• 引入一个噪声感知的查询优化器，最小化乘法深度以最大化可实现的计算深度。

提出的方法

• 使用基于 BFV 的逐词分层 HE（LHE），并使用批处理编码将多数据点打包到单个密文中。
• 将关键逻辑操作转换为算术运算，以避免在 HE 方案之间进行 transciphering。
• 设计一个以扫描为先、约束驱动的架构，拥抱 HE 的特定数据访问与并行性。
• 开发一个噪声感知的查询优化器，重点放在乘法深度而非传统的 I/O- 或 CPU 为中心的成本上。
• 在 BFV 内部且不引导引导（no bootstrapping）的情况下，提供等值、范围与聚合操作的算法。

实验结果

研究问题

• RQ1 如何在尽量少引导的前提下，在不跨方案转码的情况下执行基于 HE 的数据库查询？
• RQ2 哪些架构与优化策略能够在逐词级别的 HE 上实现实用、精确（非近似）的查询处理？
• RQ3 噪声感知的规划器在扩展分层 HE 下的可行计算深度时，如何保持安全性？

主要发现

Operation	Plaintext	FHE with Packing
Point lookup	O(1) or O(log n)	O(S) (process all slots)
Range scan	O(log n+k)	O(n) (scan + mask)
Hash join	O(n+m)	O(n·ceil(m/S))
Optimization target	I/O, CPU	Multiplicative depth

• NSHEDB 相较于最先进的基于 HE 的系统，在 TPC-H 查询上实现了 20× 到 1370× 的加速。
• NSHEDB 将存储量降低到对比系统的 1.4%，即相对于原始（未加密）数据存储的 28×。
• 在半诚实模型下，且没有密钥暴露或可信硬件，运行在 128 位安全性下。
• 引入了一整套在 BFV 内部运行且不进行方案切换的关系型与算术运算符。
• 表明逐词级 HE 搭配打包可以实现显著的数据级并行性，在每次运算中处理大规模打包向量。