Privasi biasanya mengorbankan kecepatan, yang merupakan alasan umum mengapa fitur ini diabaikan. Enkripsi homomorfik penuh menjaga kerahasiaan data selama komputasi, tetapi dengan biaya kinerja yang tinggi. Paper Enkripsi Equivariant kami mengambil pendekatan berbeda. 📍 Input, output, dan aktivasi menengah tetap tidak dapat dibaca oleh server yang menjalankan model, dan paper ini melaporkan latensi tambahan hampir nol dibandingkan dengan inferensi tanpa enkripsi. Paper ini juga mencakup analisis ancaman yang menguraikan vektor serangan, sehingga siapa pun dapat menguji klaim tersebut.
