本文翻译于 CKKS EXPLAINED, PART 5: RESCALING，主要介绍CKKS方案中最重要的技术- rescaling，重缩放技术
介绍
在CKKS的前一篇文章 CKKS Part4: CKKS的乘法和重线性化 中，我们了解了密文乘法在CKKS中的工作原理，为什么需要重新线性化输出以及保持恒定的密文大小，以及如何做到这一点。
尽管如此，正如我们将看到的，我们需要一个名为“重缩放”的最终操作来管理噪音并避免溢出。这将是本系列的最后一篇理论性文章，在下一篇也是最后一篇文章中，我们将用Python实现所有内容！
为了了解它是如何工作的，我们首先要有一个整体图，然后再详细了解它是如何工作的。
模数链的高级视图
到目前为止，我们已经深入挖掘了CKKS的细节，但对于这一点，我们将后退一步。CKKS使用我们所说的level，级数，也就是说，在噪声太大而无法正确解密输出之前，所允许的有限乘法次数。
你可以想象这是一个油箱。最初，油箱充满了汽油，但当你执行越来越多的操作时，汽油将被排空，直到没有剩余的汽油，就不能再做任何事情。同样的道理也适用于同态加密方案：你先从一定量的汽油开始，但当你进行乘法时，汽油越来越少，直到用完为止，你不能再执行任何操作。
下图说明了这一点。当你开始的时候，你的初始油箱已经满了。但当你们执行乘法和重缩放时，你们会降低级数，这相当于消耗了你们的一些汽油。如果你从L层开始，表示为\(q_L，q_{L−1}，…，q_1\)，处于级别\(q_l\)意味着还剩下\(l\)个乘法，执行一个乘法会将级别从\(q_l\)降低到\(q_{l−1}\).
现在，一旦你的汽油用完了，就像在现实生活中一样，你可以把油箱加满，这样你就可以在路上走得更远。此操作称为bootstrap，引导，本文将不介绍它。因此，如果我们假设我们不可能重新加注油箱，那么在使用有限级同态加密方案时，必须考虑一个有趣的方面：您需要提前知道将要进行的乘法数量！
事实上，就像在现实生活中一样，如果你打算走很远的路，你将需要比你只是在附近走走更多的汽油。同样的道理也适用于这里，根据需要执行的乘法次数，您必须调整油箱的大小。但是油箱越大，计算就越繁重，你的参数也就越不安全。事实上，就像在现实生活中一样，如果你需要一个更大的油箱，它会更重，这会使事情变得更慢，同时也会降低安全性。
我们不会详细讨论所有细节，但知道CKKS方案的难度取决于比率\(N/q\)，N是多项式的阶数，也就是向量的的大小；q是多项式系数模数，即我们的油箱大小。
因此，我们需要的乘法越多，油箱就越大，我们的参数就越不安全。为了保持相同的安全强度，我们需要增加N，这将增加我们操作的计算成本。（不是增加q么？）
下面的图，从 Microsoft Private AI Bootcamp 中，展示了在使用CKKS时必须考虑的折衷，显示了多项式次数和模数的安全性之间的关系。为了保证128位的安全性，我们必须增加多项式次数，即使我们不需要它提供的“额外插槽”【是明文槽么？】，因为增加模数可能会使我们的参数不安全。
因此，在我们进入更理论的部分之前，让我们看看关键的收获是什么：
1、重缩放和噪音管理可以被视为管理一个油箱，你从一个初始预算（油量）开始，使用（做乘法）后预算（油量）将会减少，如果汽油用完了，你就什么都做不了。
2、你需要提前知道你将进行多少次乘法，这将决定油箱的大小，这将影响你将使用的多项式次数的大小。
背景
现在，我们看到了整体图，让我们深入了解为什么以及如何运作。
如果你正确地记得 CKKS Part2: CKKS的编码和解码 第二部分关于编码的内容，如果我们有一个初始向量z，它在编码过程中乘以一个缩放因子Δ，以保持一定的精度。
因此，包含在明文μ和密文c的基本值是\(Δ.Z\)，所以当我们把两个密文c和c'相乘时，最后的结果是\(z.z'.\Delta ^{2}\)，所以它包含了缩放因子的平方，当缩放因子指数增长时，经过几次乘法后可能会导致溢出。此外，正如我们之前看到的，每次乘法后噪声都会增加。
因此，重缩放操作的目标实际上是保持缩放因子恒定，同时减少密文中存在的噪声。
普通做法
那么我们如何解决这个问题呢？要做到这一点，我们需要了解如何定义q。记住，这个参数q被用作多项式环\(R_{q}=Z_{q}\left[ X \right]/\left( X^{N}+1 \right)\)中系数的模数。
正如高级视图中所述，q比作一个汽油箱的大小，我们将逐步进行计算，清空该汽油箱。
如果我们假设我们用一个缩放因子Δ，进行L次乘法，那么我们将q定义为：\(q=\Delta ^{L}.q_{0}\)，其中\(q_{0}\geq \Delta\)，这将决定小数部分之前需要多少整数位。实际上，如果我们假设小数部分需要30位精度，整数部分需要10位精度，我们将设置：
一旦我们为整数和小数部分设置了我们想要的精度，选择了我们想要执行的乘法的数量L，就能相应地求得q，接下来很容易定义重缩放操作，我们只需对密文进行分割和取整。
事实上，假设我们在一个给定的级数\(l\)，那么模是\(q_l\)。我们有密文\(c\in R_{q_{_{l}}}^{2}\)，然后我们可以定义从\(l\)级到\(l-1\)：
因为\(q_l=\Delta ^{l}.q_{0}\)
因此，通过这样做，我们可以做到两件事：
1、一旦我们解密了两个密文c，c′的乘积，以及对应底层明文值\(\Delta .z,\Delta .z'\)，应用重缩放后，我们有\(\Delta .z.z'\)，因此，只要我们在每次乘法后重缩放，在整个计算过程中，缩放因子保持不变。
2、噪声被减少了，因为我们既分割底层的明文值，也分割了解密时的噪声，如果你记得清楚的话，它的形式是μ+e，（此时解密，再舍入得到的u不是原先的明文值）。因此，重缩放也可以达到降噪的目的。
所以，如果我们把所有的东西都放在一起，要在CKKS中进行乘法，你需要做三件事：
1、做乘法：\(c_{mult}=\mbox{C}_{Mult}\left( c,c' \right)=\left( d_{0},d_{1},d_{2} \right)\)
2、重线性化：\(c_{\mbox{re}lin}=\mbox{Re}lin\left( \left( d_{0},d_{1},d_{2} \right),evk \right)\)
3、重缩放：\(c_{rs}=R\mbox{S}_{l->l-1}\left( c \right)\)
如果你做好上面的工作，使用正确的密钥就可解密成功！差不多了，下面还有最后一个细节我们要讲。
CRT，中国剩余定理
所以我们得到了我们需要的一切，但有一个技术问题：计算是在大数上完成的！事实上，我们已经知道，操作是在大模数\(q_l=\Delta ^{l}.q_{0}\)上完成的。例如，想象一下，小数部分需要30位精度，整数部分需要10位精度，乘法需要10位精度（即进行10次乘法），那么我们有\(q_{L}=\Delta ^{L}.q_{0}=2^{30\cdot 10+40}=2^{340}\)。
因为我们有时会计算有大系数的多项式，比如均匀采样得到的多项式，然而一些计算不适合常用的64位系统，所以我们必须找到一种方法使其工作。
这就是中国剩余定理的由来！这个定理表明，如果我们有L个互素数\(p_{1},...,p_{L},p=\prod_{l=1}^{L}{p_{l}}\)，然后映射：$$Z\ /pZ\ ->\ Z/ p_{1}Z\times \ ...\ \times Z/ p_{L}Z:\ x\left( \mbox{mod}\ p \right)\ ->\left( x\left( \mbox{mod}/ p_{1} \right),\ ...\ ,x\left( \mbox{mod}\ p_{L} \right) \right)$$，是一个环同构，即如果你想在大环\(Z\ /pZ\)上做算术运算，那么你可以在小环\(Z\ /p_lZ\)上执行，这样就不会在执行计算时超过64位的问题了。
所以在实际中有\(q_{L}=\Delta ^{L}.q_{0}\)，我们选择\(p_{1},...,p_{L}\)，其中\(p_l约等于\Delta ，q_0\)是远大于\(\Delta\)的素数，然后设置\(q_{L}=\prod_{l=1}^{L}{p_{l}.q_{0}}=q_0*p\)。
这样，我们就可以使用CRT完成上面描述的小技巧，从而能够执行大模数运算。必须稍微修改重缩放操作：\(R\mbox{S}_{l->l-1}\left( c \right)=\left\lfloor \frac{q_{l-1}}{q_{l}}.c \right\rfloor\left( \mbox{mod}\; q_{l-1} \right)=\left\lfloor p_{l}^{-1}.c \right\rfloor\left( \mbox{mod}\; q_{l-1} \right)\)
因此，我们在本文中看到了什么是重缩放，为什么需要它，以及如何在实践中实现它。在下一篇也是最后一篇文章中，我们将把所有内容放在一起，用Python编写一个类似CKKS的同态加密方案！