딥러닝(DL) 모델의 안전한 추론과 샘플 개인 정보 보호를 위해 암호화된 환경에서 효율적인 모델 추론을 수행하는 FastFHE 메커니즘을 제안합니다. 이 메커니즘은 RNS-CKKS 기반 접근 방식의 높은 지연 시간을 해결하고, CNN의 암호화된 추론 시 발생하는 세 가지 주요 문제점 (convolution 계산 시간 및 저장 비용, 부트스트래핑 연산 오버헤드, 회로 곱셈 깊이 소모)을 해결하고자 합니다. 이를 위해, 새로운 데이터 패킹 방식, depthwise-separable convolution, BN dot-product fusion matrix, 저차 Legendre 다항식을 이용한 SiLU 활성화 함수 근사 등을 활용합니다.
