目录
1.概述
作者将主流工作中总是从同一函数的输入到输出的计算过程,改造为从一个函数的输入到另一个函数的输出,从而有效规避过程中不必要的成本。
2. f c ( f r ( x ) ) f_c(f_r(x)) fc(fr(x))的联合优化
其中
x
0
+
x
1
=
x
x_0+x_1=x
x0+x1=x并且
g
0
(
x
)
⊕
g
1
(
x
)
=
f
r
′
(
x
)
g_0(x) \oplus g_1(x)=f^{'}_r(x)
g0(x)⊕g1(x)=fr′(x)
- 首先因为 k k k和 h 4 h_4 h4在服务器上 ,所以服务器可以获得 k ∗ h 4 k*h_4 k∗h4的明文
- 如果 x 1 和 g 1 ( x ) x_1和g_1(x) x1和g1(x)提前生成,服务器可以进一步独立计算 k ∗ h 4 k*h_4 k∗h4
- 如果 S S S拥有 h 5 h_5 h5的份额也就是 h 5 − r h_5-r h5−r,那么服务器就可以得到明文的 k ∗ ( h 5 − r ) k*(h_5-r) k∗(h5−r)
- 如果r由用户预生成即 r = r 0 r=r_0 r=r0,则客户端和服务器可以在与输入无关的阶段获得 k ∗ r k*r k∗r
经过上述观点进一步修改等式3得:
2.1在离线阶段无旋转分享 k ∗ r 0 k*r_0 k∗r0
整个卷积相当于一个扁平的核矩阵和一个重组的输入矩阵之间的点积
下面是具体的算法:
其中
s
h
r
^
02
o
f
f
\hat{shr}_{02}^{off}
shr^02off是中间结果得掩码。
2.2在线阶段无旋转分享 h 5 h_5 h5
3.总结