[发明专利]非交互式的保护隐私神经网络预测方法

摘要

本发明属于保护隐私的机器学习领域，为提出非交互式的保护隐私神经网络方法，本发明，非交互式的保护隐私神经网络预测方法，步骤如下：首先，神经网络模型的拥有者SNN将神经网络模型NN分解为两个子模型NN0，NN1，满足NN＝NN0+NN1，具体来讲，是指网络模型中的权重矩阵以及偏置矩阵满足以下关系：W＝W0+W1，B＝B0+B1，然后进行询问阶段，由用户将加密后的输入数据Enc(x)发送给两个服务器S0、S1；利用云服务器S0，S1根据获取到神经网络模型，实现密文上的运算，采用近似的方法来计算激活函数；对单个神经元的计算方法在整个神经网络中进行推广，便得出神经网络基于输入数据x的预测值NN(x)。本发明主要应用于网络数据通信及处理场合。

主权项

1.一种非交互式的保护隐私神经网络预测方法，其特征是，步骤如下：首先，神经网络模型的拥有者将神经网络模型NN分解为两个子模型NN₀，NN₁，满足NN＝NN₀+NN₁，具体来讲，是指网络模型中的权重矩阵以及偏置矩阵满足以下关系：W＝W₀+W₁，B＝B₀+B₁，然后，分别将NN₀，NN₁发送给服务器S₀、云服务器S₁，B₀，B₁是利用加法分享拆分得出的两个偏置矩阵，W₀，W₁是利用加法分享拆分得出的两个权重矩阵，W＝{w₁，…}是神经网络每一层的权重参数矩阵，B＝{b₁，…}是神经网络每一层的偏置矩阵；●在询问阶段，由用户将加密后的输入数据Enc(x)发送给两个服务器S₀、S₁，同时，用户将其私钥sk分解为sk₀，sk₁两个部分，满足sk＝sk₀+sk₁，用户将sk₀，sk₁分别发送给云服务器●由于加密算法为加法同态加密，利用云服务器根据获取到神经网络模型，实现密文上的运算，采用近似的方法来计算激活函数；完成了单个神经元的所有相关计算后，而对单个神经元的计算方法在整个神经网络中进行推广，便得出神经网络基于输入数据x的预测值NN(x)。