Функциональный шифрование: умножение зашифрованного вектора на огромную известную матрицу через шифрование внутреннего продукта?

Я решаю регрессию ядра ядра с помощью федеративного обучения. Уравнение для решения гребневой регрессии ядра: dot((K+lambdaI)^-1,y). Итак, агрегатор задачи знает матрицу A=(K+lambdaI)^-1.

Но он не может знать значения меток y. Итак, моя идея состояла в том, чтобы зашифровать вектор меток y и применить шифрование внутреннего произведения между строками матрицы и зашифрованным вектором. https://eprint.iacr.org/2015/017.pdf

Могу ли я выполнить настройку, шифрование вектора y только один раз, а затем применить KeyDer (msk, строка матрицы) и расшифровку для каждой строки матрицы? Или я должен каждый раз обновлять часть настройки и шифрования?

Если размер матрицы равен 10k, а иногда даже 50k, как вы думаете, это может сработать? В противном случае, знаете ли вы другой метод шифрования для решения этой проблемы?

С уважением

Спасибо! Хорошо, я развею ваши сомнения:

В моей проблеме есть агрегатор и есть другая сторона. Агрегатор не может угадать вектор y, но сторона да, так что последний может настроить и зашифровать вектор.

Тогда агрегатору известны строки матрицы, поэтому он может применить KeyDer(msk,row of matrix) и расшифровку для каждой строки матрицы.

Скажите мне, если я не прав, но если я правильно понял, то стороне просто нужно настроить и зашифровать вектор y один раз, а затем агрегатор может запускать KeyDer(msk,строка матрицы) и расшифровку несколько раз (по одному разу для каждой строки матрица).

С уважением