[发明专利]一种双向隐私保密的神经网络模型共享方法

权利要求书

1.一种双向隐私保密的神经网络模型共享方法，其特征在于，

包括以下步骤：

建立协作节点；

模型方将输入层神经元的连接拆分为两个连接，分别记为保留连接和协作连接，保留连接和协作连接的权重分别记为保留权系数和协作权系数；

将输入层神经元删除，为保留连接和协作连接分别建立保留输入神经元和协作输入神经元，获得共享模型；

模型方将共享模型发送给协作节点；

数据源方生成协作系数k1和保留系数k2，将协作系数k1和保留系数k2发送给模型方，并转账若干个代币到模型方的账户；

模型方收到代币后，为协作连接分配协作权系数；

根据协作权系数、协作系数k1、保留系数k2及原连接的权系数，计算出保留权系数，发送给数据源方；

数据源方将其输入数x乘以协作系数k1后，作为协作值，发送给协作节点，协作节点将协作值作为协作输入神经元的值；

数据源方将其输入数x乘以保留系数k2后，作为保留值，数据源方将保留值与保留权系数的积发送给协作节点；

获得全部输入层神经元的原连接对应的保留值与保留权系数的积后，协作节点解算共享模型，获得共享模型预测结果，将预测结果发送给数据源方。

2.根据权利要求1所述的一种双向隐私保密的神经网络模型共享方法，其特征在于，

数据源方为输入层涉及的每个连接独立生成协作系数ki1和保留系数ki2，构成系数对(ki1,ki2)，i表示输入层涉及的连接的序号；

将系数对(ki1,ki2)的集合发送给模型方；

模型方针对每个系数对(ki1,ki2)，生成对应的协作权系数wi_c，并计算保留权系数wi_r，将保留权系数wi_r的集合发送给数据源方。

3.根据权利要求2所述的一种双向隐私保密的神经网络模型共享方法，其特征在于，

模型方建立历史表，为输入层涉及的每个连接i记录收到的协作系数ki1、保留系数ki2、对应生成的协作权系数wi_c和保留权系数wi_r；

再次收到历史表中记录的连接i的相同协作系数ki1及保留系数ki2时，为协作连接生成与历史表记录中相同的wi_c；

将历史表中记录的保留权系数wi_r发送给数据源方。

4.根据权利要求1至3所述的一种双向隐私保密的神经网络模型共享方法，其特征在于，

模型方将原连接的权系数添加一个随机干扰量，干扰量与原连接权系数的比值小于预设阈值，根据协作权系数、协作系数k1、保留系数k2及添加干扰量后的原连接权系数，计算出保留权系数，发送给数据源方。

5.根据权利要求1至3所述的一种双向隐私保密的神经网络模型共享方法，其特征在于，

建立多个协作节点，协作节点数量与神经网络模型层数匹配；

共享模型的每个层发送给对应的协作节点；

协作输入神经元、协作权系数以及保留值与保留权系数的积，发送给输入层对应的协作节点；

协作节点获得共享模型每层神经元的输出后，将输出发送给下一层神经元对应的协作节点。