文章预览
随着大数据和人工智能技术的日新月异，隐私保护机器学习（PPML）正逐渐成为学术与工业领域热议的话题。PPML的核心使命在于，确保各方原始数据不被泄露的同时，促进多方携手完成机器学习模型的训练与推理。在这个过程中，同态加密（HE）与多方安全计算（SMPC）技术扮演着举足轻重的角色。 蚂蚁一篇相关论文被ACM CCS 2024收录—— 《Rhombus: Fast Homomorphic Matrix-Vector Multiplication for Secure Two-Party Inference》 。 在PPML的领域，矩阵向量乘法（MVM）是许多机器学习算法不可或缺的运算环节。然而，传统的同态加密方法在处理MVM时，常常面临计算成本高、通信复杂等挑战，这无疑限制了PPML在实际场景中的广泛应用。因此，探索高效、低成本的同态加密MVM协议，对于提升PPML的性能至关重要。 《Rhombus: Fast Homomorphic Matrix-Vector Multiplication for Secure Two-Party Inferenc
………………………………
