本文提出了一种用于安全两方计算（2PC）中循环神经网络（RNN）推理的数学库 SiRnn。现有的安全推理工作主要针对卷积神经网络（CNN），而对RNN中常用的指数函数、sigmoid、tanh、平方根倒数等标准数学函数的支持依赖于通用2PC协议，这些协议通信开销高。作者设计了新的专用2PC协议，通过查找表（lookup-tables）和混合位宽（mixed-bitwidths）技术，实现了数学函数的高效计算，与现有工作相比，通信量最多减少423倍。同时，这些数学实现保持了数值精度，确保安全推理的模型准确性与明文推理一致。基于这些协议，SiRnn首次提供了对时间序列传感器数据RNN、语音数据RNN以及结合CNN与RNN的图像头部识别等先进架构的端到端安全两方推理。实验表明，与现有最先进的2PC框架相比，SiRnn在推理性能上实现了三个数量级的提升。该研究适用于需要隐私保护的机器学习推理场景，尤其是在资源受限或高延迟要求的应用中。