REDsec 是一个基于全同态加密 (FHE) 的私有机器学习推理框架，旨在解决 MLaaS 场景中的隐私泄露风险。核心创新在于利用三元神经网络（权重约束为 {-1,0,1}）的独特性质，在密文域高效实现推理计算。REDsec 提出了新的数据重用方案，首次在 FHE 中实现了整数域与二进制域的双向桥接，从而支持高效的二进制乘法、激活函数以及整数加法。此外，REDsec 配套开发了 GPU 加速库 (RED)cuFHE，支持多 GPU 上的二进制和整数运算。框架支持用户自定义模型（Bring-Your-Own-Network），并自动完成明文训练，最终在 TFHE 上高效评估私有推理。实验使用 MNIST、CIFAR-10 和 ImageNet 数据集，与相关工作相比展示了显著的性能提升。该工作适合对隐私保护机器学习、同态加密实用化感兴趣的研究人员和工程师阅读，其核心贡献在于通过架构创新大幅降低 FHE 推理的计算开销。