Con la amplia utilización de dispositivos inteligentes y servicios en la nube, además de los recursos limitados de cálculo y almacenamiento locales, muchos usuarios tienden a transferir sus datos personales a servidores en la nube para su procesamiento. Sin embargo, la transferencia de datos sensibles en texto claro genera serias preocupaciones sobre la privacidad y seguridad de los usuarios. Para hacer frente a estos problemas, se propone una solución eficaz para proteger la privacidad y seguridad de las inferencias de redes neuronales, utilizando un cifrado homomórfico y cálculos seguros multipartitos, que permite una inferencia rápida y precisa de textos cifrados mientras se garantiza la privacidad tanto de los usuarios como del servidor en la nube. En primer lugar, el proceso de inferencia se divide en 3 fases: fase de fusión para modificar la estructura de la red, fase de preprocesamiento para cálculos homomórficos y fase de cálculos flotantes en el marco de la distribución secreta de datos. En segundo lugar, se propone un método de fusión de parámetros de la red para reducir el costo de los niveles de multiplicación y disminuir la cantidad de operaciones de multiplicación y adición entre el texto cifrado y el texto en claro. Finalmente, se propone un algoritmo de convolución rápida para mejorar la eficiencia del cálculo. En comparación con otros métodos avanzados, la solución propuesta reduce al menos un 11% el tiempo de las operaciones lineales en la fase en línea, lo que reduce significativamente el tiempo de inferencia y los costos de comunicación.

inferencias seguras de redes neuronales; redes neuronales convolucionales; protección de la privacidad; cifrado homomórfico; distribución secreta