arXiv cs.AI· Yang Li, Gang He, Ruichen Zhang, Guangyuan Liu, Yinqiu Liu·· 12 小时前AI 评分31
Pacifo：基于全同态加密的高效轻量级 ResNet，面向可信机器学习即服务
Pacifo: An Efficient Fully Homomorphic Encryption-based Lightweight ResNet for Trustworthy Machine Learning as a Service
AI 导读
Pacifo 是一个基于全同态加密（FHE）的隐私推理框架，通过定制微调策略在加密数据上高效评估 ResNet20。它引入公私层划分方案与高效 ReLU 近似，显著减少私有层数量和昂贵的 FHE 运算，并提供灵活的安全配置。相比现有 ResNet20 的 FHE 实现，Pacifo 运行时加速 3.7-21.7 倍，同时在下游任务上保留原明文模型 95%-99% 的准确率，已开源。
正文 · AI 翻译
摘要：机器学习即服务（MLaaS）已成为部署 AI 应用的一种流行范式。然而，它带来了显著的隐私问题，因为原始客户端数据需要上传到服务器以进行推理服务。使用全同态加密（FHE）的隐私推理提供了一种解决方案，允许直接在加密数据上进行计算，仅在客户端解密最终结果。然而，由于 FHE 操作的成本，当前的实际实现仍然面临较大的计算开销和高延迟。在本文中，我们提出了 Pacifo，一个采用定制微调策略以在 FHE 环境下高效评估 ResNet20 模型的框架。具体而言，Pacifo 引入了公私层划分方案和高效的 ReLU 近似，显著减少了推理过程中私有层和昂贵的 FHE 操作的数量。它还提供灵活的安全配置，以适应不同客户端的隐私需求。与 ResNet20 的最先进 FHE 实现相比，Pacifo 在运行时实现了 $3.7-21.7\times$ 的加速，同时在各种下游任务中有效保持了原始明文模型准确率的 $95\%-99\%$。Pacifo 已在 此 https URL 开源。
| 学科： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33525 [cs.CR] |
| （或 arXiv:2610.33525v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33525 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yang Li [查看邮箱]
[v1]
2026年10月24日星期六 08:02:47 UTC（497 KB）
来源：arXiv cs.AI · arxiv.org