本文提出了一种名为Trimming的新型细粒度层级管理机制，旨在解决RNS-CKKS同态加密方案中乘法深度受限于模数链结构的问题。近期提出的Grafting技术成功将缩放因子与密文模数解耦，实现了更灵活的精度管理，但乘法深度仍然从根本上受制于模数链的离散层级结构。Trimming的核心思想是引入一条由较小的NTT友好模数因子组成的辅助修剪模数链，通过部分模数转换而非直接丢弃整个模数因子，从而实现细粒度的模数过渡。该方法用细粒度的模数因子细化替代传统的离散层级缩减，提供了超越传统基于整数的模数链表示的有理数层级抽象。Trimming保持了与现有RNS-CKKS算术的兼容性，同时实现了更灵活的深度管理和自适应模数转换。与Grafting解决精度瓶颈类似，Trimming针对的是RNS-CKKS中的深度瓶颈，有助于构建完全解耦的RNS-CKKS架构。论文计划通过具体实现和实验评估来验证该框架在实际同态加密应用中的性能表现和计算开销。该研究属于同态加密方案的底层优化方向，对依赖CKKS进行隐私计算的安全架构具有潜在参考价值。