本論文では、メモリ内コンピューティングアーキテクチャにおける二値神経ネットワーク（BNN）を用いた効率的で暗号化された推論手法について述べています。BNNは、計算資源を最小限に抑えるために設計された深層神経ネットワークであり、特に新しい不揮発性メモリ技術でのパラメータマッピングが注目されています。しかし、モデルパラメータを暗号化して保護する手法は計算オーバーヘッドを生み出し、メモリ内コンピューティングの本質である計算とストレージの統合を妨げる成分となっていました。そこで、本論文では、物理的に複製不可能な関数に基づく秘密鍵を使用してモデルパラメータを変換し、クロスバーに保存する手法を提案します。この方法により、暗号化された重みで推論を行い、低いランタイムオーバーヘッドで完全同型暗号の一特例を実現します。解析の結果、無秘密鍵での推論は精度が15%を下回るほど性能が低下し、本手法の有効性が示されることがわかりました。