Perpustakaan Digital ITB

sistem pembelajaran mesin menjadi topik yang marak dibicarakan. Salah satu solusi untuk mengembangkan sistem pembelajaran mesin yang aman adalah dengan mengimplementasikan enkripsi homomorfik penuh ke dalam proses pembelajaran mesin tersebut. Terdapat beberapa algoritma enkripsi homomorfik penuh yang dapat digunakan di dalam kasus ini, seperti skema enkripsi Cheon-Kim-Kim-Song (CKKS). Terdapat beberapa penelitian sebelumnya yang telah membahas kegunaan skema enkripsi CKKS pada model pembelajaran mesin, namun hingga saat ini, belum terdapat penelitian yang membahas penggunaan model convolutional neural network (CNN) untuk data yang terenkripsi oleh skema CKKS. Pada Tugas Akhir ini telah dilakukan pengembangan model convolutional neural network yang dapat memproses data yang terenkripsi oleh skema CKKS. Terdapat lima layer yang dikembangkan, yaitu convolutional layer, pooling layer, fullyconnected layer, activation layer, dan loss layer. Beberapa operasi dari layer tersebut tidak dapat didukung oleh skema CKKS yang hanya dapat melakukan operasi pertambahan dan perkalian. Oleh karena itu, terlebih dahulu dilakukan aproksimasi dari fungsi – fungsi tersebut dengan menggunakan metode minimax dan least-squares. Hasil eksperimen menunjukkan bahwa model convolutional neural network dapat direplikasi pada skema CKKS. Namun, terdapat beberapa fungsi dan layer yang memiliki nilai galat yang dapat mengubah hasil klasifikasi dari model convolutional neural network, meskipun hal tersebut sangat jarang terjadi pada implementasinya.