深度学习模型推理中基于全同态加密的加速算法设计_联邦学习_2026年课程设计.docxVIP

  • 0
  • 0
  • 约1.54万字
  • 约 21页
  • 2026-11-23 发布于湖北
  • 举报

深度学习模型推理中基于全同态加密的加速算法设计_联邦学习_2026年课程设计.docx

PAGE1

摘要

深度学习模型在云端推理时,用户数据往往以明文形式进入服务器,隐私泄露风险长期存在。全同态加密允许在密文上直接计算,为隐私保护推理提供了可行路径。CKKS方案支持近似浮点运算,适合神经网络中的实数矩阵乘法与多项式激活,但其同态乘法、旋转和重缩放开销较高,密文推理时延成为落地瓶颈。本文围绕深度学习推理中的线性层矩阵乘法,设计一种基于对角线编码与BSGS旋转合并的密文矩阵乘法加速算法,记为DB-CMM。

本文把推理问题抽象为密文输入、明文权重、密文输出约束下的矩阵乘法链。权重在推理前固定,因此可预编码为对角线明文表;激活值以CKKS密文向量承载。DB-CMM将矩

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档