[发明专利]基于隐私保护CNN的密态图像识别方法及系统

权利要求书

1.一种基于隐私保护CNN的密态图像识别方法，其特征在于，首先发送方α将原始图像I加密成两个密态分量图像I₁、I₂，并分别发送给第一服务器S₁和第二服务器S₂；而后可信服务器T公开卷积神经网络训练参数，包括卷积核共享参数和连接参数，生成并分发随机安全参数给两台服务器S₁和S₂；然后第一服务器S₁使用有偏置的卷积核参数执行安全卷积操作，第二服务器S₂使用无偏置的卷积核共享参数执行安全卷积操作，两台服务器S₁和S₂交互地使用安全比较函数执行安全激活操作，两台服务器S₁和S₂交互地使用安全减法函数执行安全池化操作，第一服务器S₁使用有偏置的连接参数执行安全全连接操作，第二服务器S₂使用无偏置的连接参数执行安全全连接操作；最后接收方β分别接收到来自第一服务器S₁和第二服务器S₂的输出结果O₁、O₂，并进行解密操作，得到密态图像的特征提取和识别结果O＝O₁+O₂。

2.根据权利要求1所述的基于隐私保护CNN的密态图像识别方法，其特征在于，发送方α采用(2,2)-秘密分割门限方案将原始图像I加密成两个密态分量图像I₁、I₂，其方法为：

对于一个原始图像I，发送方α利用随机数生成器生成一个与原图尺寸大小相同的随机像素矩阵，即密态分量图像I₁，并发送给第一服务器S₁，然后用原始图像I减去密态分量图像I₁，得到密态分量图像I₂，并发送给第二服务器S₂，其中随机数的选择域范围为[-2^n-1,2^n-1-1]，n＝8,16,32,...。

3.根据权利要求2所述的基于隐私保护CNN的密态图像识别方法，其特征在于，两台服务器S₁和S₂按如下方法执行安全卷积操作：

所述可信服务器T公开的卷积核共享参数为(w；b)，接收到卷积输入x，完整的卷积操作为计算y＝w·x+b；所述可信服务器产生随机数，发送方利用随机数对x进行分割，得到分量x₁和x₂，其满足x＝x₁+x₂，然后分发给两台服务器S₁和S₂；

第一服务器S₁接收到卷积输入分量x₁，使用参数(w；b)执行卷积操作，即计算y₁＝w·x₁+b；第二服务器S₂接收到卷积输入分量x₂，使用参数(w；0)执行卷积操作，即计算y₂＝w·x₂+0。

4.根据权利要求3所述的基于隐私保护CNN的密态图像识别方法，其特征在于，两台服务器S₁和S₂按如下方法执行安全激活操作：

接收到激活输入u，完整的ReLU激活操作是计算max(u,0)，即当u＜0时，强制将u置0；否则维持u不变；两台服务器S₁和S₂分别接收到激活输入分量u₁和u₂，其满足u＝u₁+u₂，交互地使用安全比较函数SecComp获得u的符号位如果S₁和S₂分别将u₁和u₂置0，如果则维持u₁和u₂不变。