同态加密在深度学习中的应用综述

作     者：杨洪朝 易梦军 李培佳 张瀚文 申富饶 赵健 王刘旺 YANG Hongchao;YI Mengjun;LI Peijia;ZHANG Hanwen;SHEN Furao;ZHAO Jian;WANG Liuwang

作者机构：计算机软件新技术全国重点实验室(南京大学)南京210023 南京大学计算机科学与技术系南京210023 南京大学人工智能学院南京210023 南京大学电子科学与工程学院南京210023 国网浙江省电力有限公司电力科学研究院杭州310014 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年第18卷第12期

页      面：3065-3079页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家电网有限公司总部科技项目(5700-202319302A-1-1-ZN) 

主　　题：同态加密 深度学习 卷积神经网络 Transformer 

摘      要：随着深度学习在各种领域中的广泛应用,数据隐私和安全性问题变得日益重要。同态加密作为一种能够在加密数据上直接进行计算的加密技术,为解决这一问题提供了可能的解决方案。综述了深度学习与同态加密结合的方法,探讨了如何在加密环境中有效应用深度学习模型。介绍了同态加密技术的基础知识,涵盖了其基本原理、不同分类(部分同态加密、有限同态加密、全同态加密)以及全同态加密的发展历程。详细介绍了深度学习中的关键模型,包括卷积神经网络和Transformer模型。探讨了同态加密与深度学习结合的步骤以及如何将深度学习的各个层(如卷积层、注意力层、激活函数层)适配于同态加密环境。重点综述了现有的将卷积神经网络和Transformer与同态加密结合的具体方法,探讨了在加密数据上进行深度学习计算的实现方案以及为了提升效率和精度而采用的性能优化策略,并总结了每种方法的优势和局限性。总结了当前研究的进展,并对未来的研究方向进行了展望。