在选择诸如plaintext_modulus之类的参数时，有什么好的策略吗？ （除了猜测并检查直到输出看起来正确为止）
尤其是，我正在使用IntegerEncoder和BFV进行实验。我的（可能是错误的）理解是，plaintext_modulus不是要被编码的整数的模数，而是多项式表示形式中每个系数的模数。
在B = 2时，这些系数看起来只是0或1。但是，在应用了加法和乘法之类的运算之后，情况显然不再如此。为了选择plaintext_modulus，是否有一种很好的方法来确定系数的合理范围？
答案 0 :(得分：1)
我的（可能是错误的）理解是，plaintext_modulus不是要编码的整数的模数，而是多项式表示形式中每个系数的模数。
这是使用IntegerEncoder时的正确思维方式。但是请注意，在SEAL 2. *中使用BatchEncoder（PolyCRTBuilder）时，情况恰好相反：明文矢量中的每个时隙都是以poly_modulus为模的整数。
在B = 2时，这些系数看起来只是0或1。但是，在应用了加法和乘法之类的运算之后，情况显然不再如此。是否有一个很好的方法来确定系数的合理范围，以便选择plaintext_modulus？
IntegerEncoder的全部要点是，新鲜的编码具有尽可能小的系数，从而延迟了plain_modulus的溢出，并允许您使用较小的plain_modulus（意味着较小的噪声增长）。 SEAL 2. *有一个自动参数选择工具，可以对噪声增长和明文系数增长进行启发式上限估计，并且基本上可以完全满足您的要求。不幸的是，这些估计是在每个操作的基础上执行的，从而导致较早操作中的高估会在计算的后期阶段爆炸。结果，除了最简单的计算之外，估计值还不够紧，而且在许多情况下，此工具提供的参数过大。
要估计乘法中的明文系数增长，让我们考虑两个多项式p（x）和q（x）。显然，乘积的度数将完全等于deg（p）+ deg（q）---这部分很容易。如果| P |表示多项式P（最大系数的绝对值）的无穷范数，然后：
| p * q | <= min {deg（p）+1，deg（q）+1} * | p || q |。
实际上，SEAL 2. *在这里更加精确。代替使用度数，它使用这些多项式中的非零系数的数量。当多项式稀疏时，这会有很大的不同，在这种情况下，交叉项的贡献要小得多，并且更好的界限是：
| p * q | <=分钟{＃（non_zero_coeffs（p）），＃（non_zero_coeffs（q））} * | p || q |。
https://eprint.iacr.org/2016/250由Costache et al。进行了更深层次的IntegerEncoder编码器系数增长分析，您可能想看看。