针对同态加密的 AlexNet 时刻：使用 GPU 对加密数据进行的第一个同态 CNN，HCNN

Nov, 2018

针对同态加密的 AlexNet 时刻：使用 GPU 对加密数据进行的第一个同态 CNN，HCNN

Towards the AlexNet Moment for Homomorphic Encryption: HCNN, theFirst Homomorphic CNN on Encrypted Data with GPUs

Ahmad Al Badawi, Jin Chao, Jie Lin, Chan Fook Mun, Jun Jie Sim...

TL;DR本文提出了一种使用全同态加密、卷积神经网络和图形处理器的高效隐私保护系统，用于在云端进行基于样本的模型推断，能够在保证数据安全的前提下实现高性能图像分类。

Abstract

deep learning as a service (DLaaS) stands as a promising solution for cloud-based inference applications. In this setting, the cloud has a pre-learned model whereas the user has samples on which she wants to run the model. The biggest concern with DLaaS is user privacy if the input sam

deep learning as a service privacy-preserving systems fully homomorphic encryption convolutional neural networks graphics processing units

发现论文，激发创造

用于加密数据的高效 CNN 建模块

本文介绍充分同态加密 (Fully Homomorphic Encryption, FHE) 在机器学习中的应用，针对现有文章只关注于数据安全而忽略模型参数的安全问题，以及高层级的实现不提供对深度卷积神经网络 (CNNs) 中的卷积、非线性激活和汇聚等常见操作的精确性、安全性和速度之间权衡问题，基于 CKKS 算法，提出了使用 FHE 保护输入数据和模型参数的 MLaaS 机制，并在经典的 MNIST 数据集上进行了实现和测试，结果表明设计参数选择会在正确性、安全和计算时间之间产生重要影响，同时还强调了其他设计选择如密文打包策略和多线程并行化也对推断过程的吞吐量和延迟产生了重要影响

Jan, 2021

使用同态加密敏感调整大规模 CNN，实现端到端的安全预测

本文提出了一种新的 HE-friendly 模型的训练方法，展示了如何使用 HC Layers SDK 运行加密样本，并证明该模型可以在保持高准确度的同时，大大节省运行时间；研究人员还讨论了在 HE 条件下处理激活函数和跳过连接的不同策略，并且通过改编 CLIP 模型实现了安全的零 - shot 预测。

Apr, 2023

加密数据上的深度神经网络

本文针对深度神经网络访问隐私敏感的原始数据的问题，提出了一种基于同态加密方案的新技术，并将其应用于卷积神经网络中，使用多项式替代常用激活函数，成功地实现了隐私保护的预测，同时取得了非常高的精度和有效性。

Nov, 2017

利用 TFHE 进行加密推断的深度神经网络

本论文探讨了如何构建与 TFHE 约束兼容的深度神经网络，为计算机视觉任务提供了一种基于全同态加密的解决方案。

Feb, 2023

具有转移学习的隐私保护卷积神经网络训练

这篇论文提出了一种基于同态加密技术的隐私保护卷积神经网络训练的实现解决方案，并应用转移学习简化了 CNN 的训练问题。

Apr, 2023

基于分片的密文同态加密数据的高分辨率卷积神经网络

本文介绍了一种基于 RNS-CKKS 同态加密方案的深度卷积神经网络（DCNNs）的加密评估方法，通过对图像进行简化且高效的同态评估，获得了高精度对高分辨率 ImageNet 数据集的评估结果，同时在 CIFAR-10 数据集上获得了最高的同态评估的 CNN 准确性。

Jun, 2023

BAYHENN: 将贝叶斯深度学习和同态加密相结合，实现安全 DNN 推理

该论文介绍了一种使用同态加密和贝叶斯神经网络结合的实际解决方案 --BAYHENN，实现了在云服务上保护客户数据和服务器数据隐私的安全性深度神经网络（DNN）推理。我们在 MNIST 和临床数据集上进行了实验，结果显示我们的方法可以在端到端延迟方面优于现有最佳方法（GAZELLE）约 5 倍。

Jun, 2019

基于全同态加密的隐私保护深度神经网络机器学习

本文使用了 RNS-CKKS FHE 技术及 bootstrapping 策略，并采用最新的近似方法来评估非算术函数，成功实现了对 CIFAR-10 数据集上的 ResNet-20 模型进行 FHE 加密计算，并经过数值验证，得出分类准确率达到了 90.67%。

Jun, 2021

超维度计算：高效隐私保护机器学习即服务的救星

本文研究了使用超维度计算与同态加密的机器学习推断系统，实现了对加密数据的隐私保护，同时提高了性能。

Aug, 2023

神经网络训练和推理中利用同态加密实现数据隐私保护

本研究综述了利用同态加密解决神经网络数据隐私和安全问题的技术和策略，并分析了同态加密在神经网络训练和分类方面的当前研究现状、分类以及优化加密模型准确性和效率的技术。评估结果表明，尽管同态加密可以为神经网络提供强大的数据隐私保证，但仍存在许多挑战需要解决，例如对高级神经网络运算的有限支持、可扩展性问题以及性能平衡问题。

May, 2023