[发明专利]一种轻量型卷积神经网络安全预测方法

权利要求书

1.一种轻量型卷积神经网络安全预测方法，其特征在于，包括以下步骤：

通过训练样本构建网络安全预测模型；

对网络安全预测模型进行滤波器剪枝，得到剪枝网络安全预测模型；

对剪枝网络安全预测模型的模型参数进行编码，得到编码网络安全预测模型；

对剪枝网络安全预测模型的模型参数进行编码，具体为：使用FV同态加密方法进行加密，对模型参数进行编码，将整数和浮点数映射到明文空间中；整数编码如下：

IntegerEncoder(a,B＝2)＝sign(a)·(a_n-1x^n-1+…+a₁x+a₀)

其中，B＝2为基数，a为需要编码的整数，a_n-1,…,a₁,a₀表示用B＝2进制表示法表示的a，n表示多项式模数的阶；

浮点数编码如下：

将实数乘上一个缩放因子S，将小数转为整数，然后与上述整数一样进行编码：

其中，a表示需要编码的浮点数，a'表示进行缩放后的a，a'_n-1,...,a₁',a'₀表示用B＝2进制表示法表示的a'，n表示多项式模数的阶；

将n个模t的整数打包成一个明文多项式，批处理操作对多项式阶数n和明文空间系数模数t有要求，要求t为素数且t≡1(mod2n)；如果多项式选为xⁿ+1，即表示可以将n个模t的整数放在一个多项式中；

将用户上传数据输入编码网络安全预测模型，对用户上传数据进行加密处理，得到密文，具体为：

在用户上传数据前，需要进行加密处理，得到密文传送给云服务器；设用户拥有n个包含d²个特征的数据集样本，用矩阵X表示其中一个样本：

其中，x₁₁表示一个样本的第1个特征，x_dd表示该样本第d²个特征；

通过FV同态加密方法对样本中每一个特征进行加密处理，加密的样本中每一个特征用[·]表示，则有：

进而得到密文，对密文在编码网络安全预测模型进行处理，包括卷积层、激活层、池化层、全连接层；其中，卷积层如下：

密文在卷积层操作为：

其中，∑为密文累加操作，为卷积操作；X_j为输入的第j个特征图，Y_i为输出的第j个特征图，W_ij为进行卷积操作用到的卷积核；

密文在激活层操作为：选用平方函数作为激活函数，密文上的平方函数则是同一位置密文想乘：

[X_i]＝[X_i][X_i]；

密文在池化层操作为：用求最大值函数表示如下：

其中，k为对应于滤波器尺寸大小的密文像素个数；

在求平均值的时候，通过乘上一个因子代替除法，而该因子为实数类型，需要进行缩放，故需要乘上一个缩放因子，并采用CRT批处理技术编码：

其中，为向下去整函数，P[·]为对处理过的实数因子继续CRT批处理编码；

经过缩放后的池化层操作，则只包含密文累加、密文、明文乘法，FV加密算法能执行；

密文在全连接层操作为：

得到密文；通过密文预测，得到密文预测结果，进而得到最终数据结果，具体为：由云服务器在密文上进行密文预测，得到密文预测结果[Y]，返回给用户，用户则通过FV加密方法的私钥进行解密，得到最终明文预测结果Y。

2.根据权利要求1所述的一种轻量型卷积神经网络安全预测方法，其特征在于，所述构建网络安全预测模型，具体为：获取训练样本并进行预处理；随机选取训练样本进行卷积、池化，从全连接层输出；反向传播调整网络权值，得到网络安全预测模型。