原创力文档摘要
随着大数据与人工智能的协同发展，数据隐私安全已成为制约机器学习应用
发展的核心问题。全同态加密（FullyHomomorphicEncryption,FHE）技术凭借其
“密文可计算”的特性，成为隐私保护机器学习的理想解决方案。然而，现有密
文矩阵乘法方法在计算效率和适用性等方面存在显著瓶颈，主要体现在密文旋转
操作的高复杂性、乘法深度的快速累积以及矩阵运算维数受限于特定结构约束（如
仅限于方阵情形）。此外，在处理非方阵矩阵时，额外引入的零填充则进一步降低
了密文槽的利用率。针对这些
摘要
随着大数据与人工智能的协同发展，数据隐私安全已成为制约机器学习应用
发展的核心问题。全同态加密（FullyHomomorphicEncryption,FHE）技术凭借其
“密文可计算”的特性，成为隐私保护机器学习的理想解决方案。然而，现有密
文矩阵乘法方法在计算效率和适用性等方面存在显著瓶颈，主要体现在密文旋转
操作的高复杂性、乘法深度的快速累积以及矩阵运算维数受限于特定结构约束（如
仅限于方阵情形）。此外，在处理非方阵矩阵时，额外引入的零填充则进一步降低
了密文槽的利用率。针对这些
文档评论（0）