[发明专利]一种低误比特率的对抗式神经网络加密训练方法有效
| 申请号： | 201910828211.7 | 申请日： | 2019-09-03 |
| 公开（公告）号： | CN110598861B | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 刘洋;刘一礼;钱堃;胡绍刚;于奇 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06F21/60 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 闫树平 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及人工智能领域，尤其涉及一种低误比特率的对抗式神经网络加密训练方法。本发明通过加入超参数η调整多项式损失函数比例以实现低误比特率的对抗性神经网络加密训练方法。在对抗性神经网络加密训练过程中，加入超参数η调整生成器多项式损失函数每一项所占的比例，通过反复训练和测试择优选择以得到一个低误比特率的训练结果，这种方法简洁易懂，易于实施且效果好。 | ||
| 搜索关键词： | 一种 比特率 对抗 神经网络 加密 训练 方法 | ||
【主权项】：
1.一种低误比特率的对抗式神经网络加密训练方法，具体步骤如下：/n步骤1、首先初始化生成器和判别器的神经网络参数；/n步骤2、生成器中的加密网络和解密网络学习安全的加密通信，构建生成器损失函数以使解密网络解密的明文与输入加密网络的原始明文差异为零，同时使得判别器通过加密攻击窃听内容恢复的明文与原始明文相比差异为随机猜测50％，然后通过优化算法更新生成器的权值和偏置；/n步骤3、判别器根据加密攻击类型窃听加密内容来恢复明文，构建判别器损失函数以使该判别器恢复的明文与原始明文差异为零，然后通过优化算法更新判别器的权值和偏置；/n步骤4、在整个神经网络训练过程中步骤2和步骤3为一步训练，生成器和判别器在每一步训练中依次进行，重复训练至少15000次；/n步骤5、随机输入至少500000组用于测试的明文密钥对进行加解密，测试解密网络解密的明文与输入加密网络的原始明文的误比特率，同时测试判别器通过加密攻击窃听的内容与原始内容的误比特率；/n步骤6、在生成器中加入超参数η调节其多项式损失函数，用超参数η分别乘以多项式损失函数的每一项得到对应项数个的多项式损失函数，然后在得到的调节后的每个多项式损失函数中，超参数η从0至1逐步取值，逐一训练，然后采用步骤5的方法逐一测试误比特率。/n步骤7、选择解密网络解密的明文与输入加密网络的原始明文的误比特率最低的神经网络参数作为候选，然后选择判别器通过加密攻击窃听内容来恢复的明文与原始明文的误比特率更接近50％的神经网络参数。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910828211.7/，转载请声明来源钻瓜专利网。
