CryptoUNets: 应用于加密数据的卷积网络 biomedical 图像分割
密码学与安全
2025-05-01 v1
摘要
本文展示了一种基于同态加密的隐私保护 U-Net 深度学习推理框架的可行性，即仅使用同态加密技术即可完成 U-Net 推理。据我们所知，这是首个实现完全基于同态加密支持 U-Net 推理的工作。主要技术挑战在于数据编码。为此，我们采用一种称为 Double Volley Revolver 的灵活编码方案，能够有效支持 U-Net 架构中的 skip 连接和上采样操作。我们采用量身定制的 HE-friendly U-Net 设计，包含平方激活函数、平均池化层和转置卷积层（在 PyTorch 中实现为 ConvTranspose2d），其核大小为 2、步幅为 2。训练完成后，我们使用 HEAAN 同态加密库部署所得参数，以进行加密 U-Net 推理。
引用
@article{arxiv.2504.21543,
title = {CryptoUNets: Applying Convolutional Networks to Encrypted Data for Biomedical Image Segmentation},
author = {John Chiang},
journal= {arXiv preprint arXiv:2504.21543},
year = {2025}
}