Privasi biasanya mengorbankan kelajuan, yang biasanya menjadi sebab ia dilupakan. Enkripsi homomorfik penuh menjaga data tetap tersembunyi semasa pengiraan, tetapi dengan kos prestasi yang tinggi. Kertas kami mengenai Enkripsi Equivariant mengambil pendekatan lain. 📍 Input, output, dan aktivasi sementara tetap tidak dapat dibaca oleh pelayan yang menjalankan model, dan kertas ini melaporkan latensi tambahan hampir sifar berbanding inferens tanpa enkripsi. Kertas ini juga termasuk analisis ancaman yang menggariskan vektor serangan, jadi sesiapa sahaja boleh menguji dakwaan tersebut.
