암호화 상태 그대로, 속도와 사용성을 극대화하는
차세대 동형암호 연산 엔진
완전동형암호(FHE)는 이론적으로 완벽한 프라이버시 보호 연산을 가능하게 하지만,
실제 활용에서는 연산 속도, 정확도, 사용성이 늘 트레이드오프 관계에 있어왔습니다.
DESILO FHE Library는 이 세 가지 — 속도, 정확도, 사용성 — 을 동시에 최적화하여,
FHE 입문 연구자부터 고급 알고리즘을 설계하는 전문가까지 누구나 활용 가능한
상용 수준의 동형암호 라이브러리입니다.
![[ 시스템 구조도 — 디자이너 제공 ] · FHE Library 스택 (스킴 · GPU/CPU · Python Wrapper · 멀티파티 · 부트스트래핑)](/images/solutions/fhe-library-diagram.png)
연구와 상용 환경 모두에서 검증된 FHE 인프라
멀티 스킴 지원
업계 표준인 RNS-CKKS와 차세대 GL Scheme(5세대 FHE)을 동시 지원합니다. RNS-CKKS는 벡터 연산, GL Scheme은 대규모 행렬 연산에 각각 최적화되어 있어 워크로드에 맞는 선택이 가능합니다.
GPU 가속 및 CPU 병렬화
C++/CUDA 기반으로 NVIDIA GPU에서 동작하며, GPU가 없는 환경에서는 CPU 병렬 처리로 동작 가능합니다.
Python Wrapper 제공
PyTorch 텐서를 직접 인코딩/암호화하는 API를 포함, 기존 AI 워크플로우와 자연스럽게 통합됩니다.
멀티파티 연산 지원
다자간 공동 키 생성 및 분산 복호화를 네이티브 지원하여 데이터 클린룸 · 연합 분석 등 협업 시나리오 구현이 가능합니다.
부트스트래핑 풀 지원
표준 부트스트랩부터 small bootstrap, lossy bootstrap, merge bootstrap까지 다양한 부트스트래핑 변형을 지원하여 정확도와 성능을 시나리오별로 조정할 수 있습니다.
세계 최고 수준의 FHE 연산 성능, 그리고 그것을 가능하게 한 연구 역량
차세대 GL Scheme의 유일한 구현체
FHE 창시자 Craig Gentry와 DESILO가 공동 개발한 5세대 동형암호 GL Scheme을 세계 최초로 구현. AI 연산의 핵심인 대규모 행렬 연산에서 기존 CKKS 대비 압도적인 성능을 제공합니다.
CCS · Crypto 등 Top-tier 학회에서 검증된 연구 기반
ACM CCS 2025에서 발표된 THOR(세계 최초 FHE LLM)의 기반 라이브러리이자, Crypto 2026 채택 논문 2편의 구현체. 학계 표준 수준의 검증을 통과한 안정성을 보장합니다.
직관적 API 설계
연구자가 암호학 디테일에 발이 묶이지 않도록 추상화 수준을 신중하게 설계. encode/encrypt/decrypt 같은 직관적 API와 PyTorch 호환성으로 학습 곡선을 최소화합니다.
글로벌 표준 레퍼런스로 채택
AWS와 Google이 공동 주도하는 HES FHE Benchmarking Suite에 LLM 레퍼런스 구현체로 선정되어, 글로벌 FHE 성능 측정의 기준이 되고 있습니다.
연구실에서 상용 서비스까지
새로운 FHE 알고리즘 프로토타이핑, 부트스트래핑 최적화, 다자간 프로토콜 설계 등 학술 연구
암호화 상태의 데이터에 대한 모델 추론 · 학습 연구, FHE-friendly 모델 아키텍처 설계
THOR가 그러하듯, FHE 기반 LLM · 생성형 AI 추론 시스템의 핵심 연산 엔진으로 활용
DESILO Data Clean Room(DCR)의 backbone으로 다자간 키 생성 ·분산 복호화를 활용한 보안 데이터 협업 구현