English(EN) EI-DDLGN: Efficient Encrypted Inference with Deep Differentiable Logic Gate Networks under TFHE

新的DDLGN框架提升TFHE加密推理速度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了EI-DDLGN，一个使用深度可微分逻辑门网络（DDLGN）和Torus全同态加密（TFHE）的高效加密推理新框架。该方法利用DDLGN固有的布尔性质来匹配TFHE的执行模型，从而降低了与传统算术神经网络相比的推理延迟。该研究引入了一种模型固定线路PBS旁路策略，通过消除不必要的操作而不改变网络拓扑来进一步优化性能。在MNIST和Fashion-MNIST等基准数据集上的评估表明，EI-DDLGN提供了卓越的准确性-延迟权衡，其中一种配置实现了与QAT-FCNN-4相当的准确性，但推理时间减少了13.4倍。 AI

影响这项研究可能促使在敏感应用中部署更高效、更私密的AI模型。

排序理由详细介绍一种新的加密推理技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍一种新的加密推理技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Mahmoud Y. M. Yassin, Mahmoud AbdelHafeez Sayed, Mostafa Taha · 2026-09-15 04:00

EI-DDLGN：在TFHE下使用深度可微分逻辑门网络进行高效加密推理

arXiv:2609.13636v1 Announce Type: cross Abstract: Privacy-preserving inference via Torus Fully Homomorphic Encryption (TFHE) provides strong protection for sensitive data in outsourced deep learning applications. However, most TFHE-compatible neural network frameworks remain base…

本文如何被排名

报道来源 [1]

EI-DDLGN：在TFHE下使用深度可微分逻辑门网络进行高效加密推理

相关实体

相关话题