[发明专利]一种基于可逆深度神经网络的加密方法及系统

权利要求书

1.一种基于可逆深度神经网络的加密方法，其特征在于，包括：

获取待加密数据；

将所述待加密数据输入至加密器中进行正向计算，得到加密结果；其中所述加密器是基于任意样本数据和任意目标函数，通过控制所述任意目标函数来控制加密后数据的展现形式，并对采用可逆计算单元构建得到的神经网络模型进行训练所得到的。

2.根据权利要求1所述的基于可逆深度神经网络的加密方法，其特征在于，该方法还包括：

将所述加密结果输入至所述加密器进行反向计算，得到无损解密结果。

3.根据权利要求1或2所述的基于可逆深度神经网络的加密方法，其特征在于，所述加密器，通过以下步骤获得：

设定所述神经网络模型的加密宽度，其中所述神经网络模型的每层维度为预设固定值；

选取具备预设形式的可逆计算单元；

将若干个所述可逆计算单元进行任意数量和任意顺序的串联；

对串联的若干个所述可逆计算单元进行网络参数设置，得到所述加密器。

4.根据权利要求3所述的基于可逆深度神经网络的加密方法，其特征在于，所述设定所述神经网络模型的输入维度，还包括：

若判断获知所述待加密数据的数据长度大于所述加密宽度，将所述数据长度分成若干组，每组长度等于所述加密宽度。

5.根据权利要求3所述的基于可逆深度神经网络的加密方法，其特征在于，所述选取具备预设算法的可逆计算单元为任意神经网络可逆算子，具体包括：

y_n,1＝w_n,nx_n,1，

其中，w为可逆矩阵，x为所述可逆计算单元的输入，y为所述可逆计算单元的输出，n为输入维度。

6.根据权利要求3所述的基于可逆深度神经网络的加密方法，其特征在于，所述选取具备预设算法的可逆计算单元为任意神经网络可逆算子，还包括：

x_a,x_b＝split(x)，

其中，split表示将输入x分成不重叠的两部分；进一步地，

(logs,t)＝NN(x_b)，

NN表示其余不受可逆性限制的任意复杂网络，使得y_a＝s*x_a+t，*表示s与x_a各维度分别相乘，y_b＝x_b，将所述可逆计算单元的输入其中一部分作为输出的一部分，y＝concat(y_a,y_b)，concat表示将两部分拼接在一起。

7.根据权利要求3所述的基于可逆深度神经网络的加密方法，其特征在于，所述对串联的若干个所述可逆计算单元进行网络参数设置，具体包括：

随机初始化所述神经网络模型的网络参数；

获取所述任意样本数据作为训练集，以所述任意目标函数为训练目标，采用预设算法对所述网络参数进行训练。

8.一种基于可逆深度神经网络的加密系统，其特征在于，包括：

获取模块，用于获取待加密数据；

处理模块，用于将所述待加密数据输入至加密器中进行正向计算，得到加密结果；其中所述加密器是基于任意样本数据和任意目标函数，通过控制所述任意目标函数来控制加密后数据的展现形式，并对采用可逆计算单元构建得到的神经网络模型进行训练所得到的。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于可逆深度神经网络的加密方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述基于可逆深度神经网络的加密方法的步骤。