यह शोधपत्र एक TT-TFHE ढाँचा प्रस्तुत करता है जो टोरस FHE (TFHE) का उपयोग करके डीप लर्निंग मॉडल्स का होमोमॉर्फिक एन्क्रिप्शन इंफ़ेरेंस कुशलतापूर्वक निष्पादित करता है। ट्रुथ-टेबल न्यूरल नेटवर्क्स (TTnet) नामक एक कन्वोल्यूशनल न्यूरल नेटवर्क पर आधारित, यह सारणीबद्ध और छवि डेटासेट के लिए TFHE के उपयोग को प्रभावी ढंग से बढ़ाता है। यह पायथन में एक ओपन-सोर्स कंक्रीट कार्यान्वयन प्रदान करता है, और एक लुकअप टेबल और एक स्वचालित TTnet-आधारित डिज़ाइन टूल का उपयोग करके एक आसान CPU-आधारित कार्यान्वयन प्रदान करता है। प्रायोगिक परिणाम दर्शाते हैं कि यह तीन सारणीबद्ध डेटासेट पर समय और सटीकता के संदर्भ में मौजूदा होमोमॉर्फिक एन्क्रिप्शन सेटिंग्स से बेहतर प्रदर्शन करता है, और MNIST और CIFAR-10 छवि डेटासेट पर अन्य TFHE सेटिंग्स और अन्य होमोमॉर्फिक एन्क्रिप्शन विधियों जैसे BFV और CKKS से बेहतर प्रदर्शन करता है। इसके अलावा, इसका मेमोरी उपयोग बहुत कम है (MNIST के लिए दसियों MB), जो अन्य होमोमॉर्फिक एन्क्रिप्शन सेटिंग्स द्वारा आवश्यक दसियों से सैकड़ों GB मेमोरी उपयोग के विपरीत है। यह पहला अध्ययन है जो सारणीबद्ध और MNIST छवि डेटासेट दोनों पर व्यावहारिक स्तर का निजी अनुमान (अनुमान समय के सेकंड, मेमोरी के दसियों MB) प्रदान करता है, और सर्वर साइड पर कई थ्रेड्स और उपयोगकर्ताओं के लिए आसानी से स्केलेबल है।