본 논문은 프라이버시를 보존하는 MLaaS(Machine Learning as a Service)를 위한 완전 동형 암호(FHE) 시스템, 특히 CKKS scheme의 실용적인 배포에 있어 중요한 문제인 복잡한 설정 문제를 해결하고자 한다. 이를 위해 FHE-Agent라는 대규모 언어 모델(LLM) 기반의 에이전트 프레임워크를 제안한다. FHE-Agent는 LLM 컨트롤러와 결정론적 도구 모음을 결합하여, 글로벌 파라미터 선택과 레이어별 병목 현상 수정을 통해 탐색 과정을 자동화한다. 다중 충실도 워크플로우를 활용하여, 저렴한 정적 분석으로 유효하지 않은 설정을 제거하고, 가장 유망한 후보에 대해 비싼 암호화된 평가를 수행한다. Orion 컴파일러를 기반으로 구현된 FHE-Agent는 다양한 모델(MLP, LeNet, LoLa, AlexNet)에 대해 기존 방식보다 더 나은 정확도와 더 낮은 지연 시간을 달성하며, 기존 방법으로는 불가능했던 복잡한 모델에 대한 128비트 보안 설정을 자동으로 찾아낸다.
