С широким использованием умных устройств и облачных сервисов, а также ограниченными локальными ресурсами вычисления и хранения, многие пользователи склонны передавать личные данные на облачные серверы для обработки. Однако передача чувствительных данных в открытом виде вызывает серьезные опасения пользователей по поводу конфиденциальности и безопасности. Для решения этих проблем предлагается эффективная схема безопасного приватного вывода нейронных сетей на основе гомоморфного шифрования и безопасных вычислений множества сторон, которая обеспечивает быстрый и точный литерный вывод при обеспечении конфиденциальности как пользователей, так и облачного сервера. Во-первых, процесс вывода разделен на 3 этапа: этап слияния для модификации структуры сети, этап подготовки для гомоморфных вычислений и этап онлайн-вычисления плавающих операций секретного разделения данных. Во-вторых, предложен метод слияния параметров сети для снижения стоимости уровней умножения и уменьшения числа операций умножения и сложения между зашифрованным и открытым текстами. Наконец, предложен быстрый алгоритм свертки для повышения вычислительной эффективности. По сравнению с другими передовыми методами, предложенная схема уменьшает время линейных операций в онлайн-этапе как минимум на 11%, что значительно сокращает время вывода и коммуникационные издержки.

безопасный вывод нейронных сетей; сверточные нейронные сети; защита конфиденциальности; гомоморфное шифрование; секретное распределение