[发明专利]基于神经网络计算的数据保护方法及相关设备

权利要求书

1.一种基于神经网络计算的数据保护方法，应用于客户端中，其特征在于，所述方法包括：

生成公钥和私钥并将所述公钥发送至服务器；

采用所述公钥对用户数据进行加密得到第一加密数据；

发送所述第一加密数据至所述服务器；

接收所述服务器通过神经网络计算模型采用所述公钥对所述第一加密数据进行全同态加密计算得到的第二加密数据；

采用所述私钥对所述第二加密数据进行解密得到所述神经网络计算模型的计算结果。

2.如权利要求1所述的方法，其特征在于，所述采用所述公钥对用户数据进行加密得到第一加密数据包括：

计算用户数据的维度；

根据所述维度初始化一个矩阵，其中，所述矩阵的每个索引与所述用户数据中的每个数据一一对应；

采用所述公钥对所述每个数据进行加密；

将加密后的每个数据存储于所述矩阵中对应的索引中；

将存储于加密数据的矩阵作为所述第一加密数据。

3.如权利要求1或2所述的方法，其特征在于，所述采用所述私钥对所述第二加密数据进行解密得到所述神经网络计算模型的计算结果包括：

采用所述私钥对所述第二加密数据逐层进行解密得到所述神经网络计算模型的计算结果；

显示所述计算结果。

4.一种基于神经网络计算的数据保护方法，应用于服务器中，其特征在于，所述方法包括：

接收客户端发送的公钥及第一加密数据；

通过神经网络计算模型采用所述公钥对所述第一加密数据进行全同态加密计算得到第二加密数据；

发送所述第二加密数据至所述客户端。

5.如权利要求4所述的方法，其特征在于，所述通过神经网络计算模型的激活函数为sigmoid函数，所述通过神经网络计算模型采用所述公钥对所述第一加密数据进行全同态加密计算得到第二加密数据包括：

将所述sigmoid函数进行泰勒展开后替换为多项式函数；

通过所述公钥和所述多项式函数对所述第一加密数据进行全同态加密计算得到所述第二加密数据。

6.如权利要求4或5所述的方法，其特征在于，所述方法还包括：

获取数据集，其中，所述数据集包括：多个加密数据、每个加密数据对应的公钥及使用所述公钥进行全同态加密计算得到的加密结果；

将所述数据集划分为训练集和测试集；

将所述训练集输入卷积神经网络中进行训练得到神经网络计算模型；

将所述测试集输入所述神经网络计算模型中进行测试得到测试通过率；

当测试通过率大于或等于预设通过率阈值时，结束所述神经网络计算模型的训练。

7.一种基于神经网络计算的数据保护装置，运行于客户端中，其特征在于，所述装置包括：

密钥生成模块，用于生成公钥和私钥并将所述公钥发送至服务器；

数据加密模块，用于采用所述公钥对用户数据进行加密得到第一加密数据；

数据发送模块，用于发送所述第一加密数据至所述服务器；

数据接收模块，用于接收所述服务器通过神经网络计算模型采用所述公钥对所述第一加密数据进行全同态加密计算得到的第二加密数据；

数据解密模块，用于采用所述私钥对所述第二加密数据进行解密得到所述神经网络计算模型的计算结果。

8.一种基于神经网络计算的数据保护装置，运行于服务器中，其特征在于，所述装置包括：

接收模块，用于接收客户端发送的公钥及第一加密数据；

计算模块，用于通过神经网络计算模型采用所述公钥对所述第一加密数据进行全同态加密计算得到第二加密数据；

发送模块，用于发送所述第二加密数据至所述客户端。