One line of criticism against homom

One line of criticism against homomorphic encryption is its inefficiency, which is commonly thought to make it impractical for nearly all applications. However, combining together techniques from cryptography, machine learning and software engineering, we show that CryptoNets may be efficient and accurate enough for real world applications. We show that when CryptoNets are applied to the MNIST dataset, an accuracy of 99% can be achieved with a throughput of 58982 predictions per hour on a single PC, and a latency of 250 seconds. Note that a single prediction takes 250 seconds to complete, however, the same process can make 4096 predictions simultaneously with no added cost. Therefore, over an hour, our implementation can make 58982 predictions on average. Hence, CryptoNets are accurate, secure, private, and have a high throughput an unexpected combination in the realm of homomorphic encryption.

Kết quả (Việt) 1:

Một dòng của những lời chỉ trích đối với homomorphic mã hóa là không hiệu quả của nó, được cho là thường để làm cho nó không thực tế cho gần như tất cả các ứng dụng. Tuy nhiên, kết hợp cùng các kỹ thuật mật mã, Máy học và công nghệ phần mềm, chúng tôi thấy rằng CryptoNets có thể được hiệu quả và chính xác, đủ cho các ứng dụng thế giới thực. Chúng tôi cho rằng khi CryptoNets được áp dụng cho bộ dữ liệu MNIST, độ chính xác 99% có thể có thể đạt được với một thông lượng của 58982 dự báo cho một giờ trên một máy tính duy nhất, và một độ trễ của 250 giây. Lưu ý rằng một dự đoán đơn mất 250 giây để hoàn thành, Tuy nhiên, quá trình có thể làm cho các dự báo 4096 đồng thời với không có chi phí thêm. Vì vậy, hơn một giờ, chúng tôi thực hiện có thể làm cho 58982 dự báo trung bình. Do đó, CryptoNets chính xác, bảo mật, riêng tư, và có một băng thông cao một sự kết hợp bất ngờ trong lĩnh vực mật mã homomorphic.

Kết quả (Việt) 2:

Một trong những dòng chỉ trích chống lại mã hóa homomorphic là sự kém hiệu quả của nó, đó là thường nghĩ để làm cho nó không thực tế cho gần như tất cả các ứng dụng. Tuy nhiên, kết hợp cùng kỹ thuật từ mật mã, máy học và công nghệ phần mềm, chúng tôi cho thấy rằng CryptoNets có thể hiệu quả và chính xác, đủ cho các ứng dụng thế giới thực. Chúng tôi thấy rằng khi CryptoNets được áp dụng cho các số liệu MNIST, độ chính xác 99% có thể đạt được với một thông của 58.982 dự đoán một giờ trên một máy tính duy nhất, và một độ trễ 250 giây. Lưu ý rằng một dự đoán duy nhất mất 250 giây để hoàn thành, tuy nhiên, quá trình này có thể làm cho 4.096 dự đoán đồng thời không có chi phí thêm. Do đó, hơn một giờ, thực hiện của chúng tôi có thể làm cho 58.982 dự đoán trung bình. Do đó, CryptoNets là chính xác, an toàn, tin, và có một thông lượng cao một sự kết hợp bất ngờ trong lĩnh vực mã hóa homomorphic.