[发明专利]基于神经网络编码和保内积加密的数据检索方法及系统

权利要求书

1.一种基于神经网络编码和保内积加密的数据检索方法，其特征在于，所述方法包括：

根据数据查询标签进行分类标签向量表示；

以原始查询数据为输入、以分类标签向量为输出训练反馈神经网络模型，待模型收敛后，分别提取隐含层向量作为查询数据的特征向量和查询条件的特征向量；

采用保内积加密方法分别对查询数据特征向量和查询条件的特征向量进行加密，得到安全查询索引和安全查询陷门；

所述采用保内积加密方法对查询数据的特征向量进行加密具体包括：

定义一对D+1维的秘钥M和M^-1，D为特征向量维度；

对查询数据特征向量进行扩展，并采用秘钥M对扩展后的查询数据特征向量进行加密；

对查询条件特征向量进行扩展，并采用秘钥M^-1对扩展后的查询条件特征向量进行加密；

将加密后的查询数据密文特征向量作为安全查询索引，用于在云端进行共享汇聚；

将加密后的查询条件密文特征向量作为安全查询陷门，用于检索相关查询数据；

所述对查询数据特征向量进行扩展的公式为：在扩展前的初始值为

所述对查询条件特征向量进行扩展的公式为：其中r为任意随机数；

将安全查询索引和安全查询陷门进行相似度计算，将计算结果按降序进行Top K排序，反馈检索结果；

所述将安全查询索引和安全查询陷门进行相似度计算具体包括：

将安全查询陷门与所有待查询数据的安全查询索引逐一内积计算，计算公式为：

其中和分别表示不同查询数据的安全查询索引，和表示不同查询数据的加密前的扩展特征向量，i、j为不同查询数据对应的下标，i≠j，为安全查询陷门，计算结果的数值大小表示查询数据索引与查询条件的差异性，数值越小，表示相似度越大，数值越大，表示相似度越小。

2.根据权利要求1所述基于神经网络编码和保内积加密的数据检索方法，其特征在于，所述根据数据查询标签进行分类标签向量表示具体包括：

根据数据查询标签，设置分类标签集合，并采用一维向量表示，标签向量中每个维度表示一种查询标签，如果某条数据符合该查询标签，则将标签向量中该查询标签对应的维度设置为1，否则设置为0。

3.根据权利要求2所述基于神经网络编码和保内积加密的数据检索方法，其特征在于，所述反馈神经网络模型包括输入层、隐含层、输入层，输入层接收原始查询数据X，输出层对应分类标签向量，隐含层神经元数量为查询数据维度的每个神经元与输入层和输出层进行全连接；

所述反馈神经网络模型训练过程中，隐含层神经元采用公式进行前向计算，并采用公式ΔW＝α·X·y_i·(1-y_i)·(l_i-y_i)进行反向权重修正，X为输入层接收的原始查询数据，W为权重，ΔW表示权重修正量，y_i为输出层，l_i为分类标签向量中的分类标签，α为学习率，权重W初始化采取随机初始化方式，值域范围为W～[0,1]。

4.根据权利要求3所述基于神经网络编码和保内积加密的数据检索方法，其特征在于，待模型收敛后，分别提取隐含层向量作为查询数据的特征向量和查询条件的特征向量具体包括：

待反馈神经网络模型收敛后，输入原始查询数据X，提取隐含层向量作为查询数据的特征向量；

输入查询条件X'＝[x'₁,x'₂,....,x'_n]，提取隐含层向量作为查询条件的特征向量，所述查询条件用于检索查询数据。