Projetando aproximações polinomiais de funções de ativação (GELU/ReLU) para avaliação homomórfica.
A arquitetura de Encrypted ML Inferences foi desenvolvida para fornecer segurança comprovável baseada na dureza de reticulados no pior caso. Ao substituir primitivas vulneráveis de logaritmo discreto e fatoração por vetores em reticulados euclidianos de alta dimensão, o sistema assegura confidencialidade a longo prazo.
Implantar Encrypted ML Inferences requer equilíbrio cuidadoso entre overhead de chaves públicas, limites de MTU de rede e pegada de memória em cache. Através de coprocessadores dedicados e pipelines em assembly vetorizado, sistemas de produção mantêm desempenho equivalente ao de cifras legadas.