[发明专利]一种神经网络的数据隐私保护方法及系统

摘要

本发明涉及一种神经网络的数据隐私保护方法及系统，其包括：对数据进行预处理，产生相应的加密数据，并在分离后发送给不合谋的机器学习服务提供商；构建神经网络模型，根据具体情况设置相关参数，并设计卷积网络神经模型；对预处理后的数据进行特征提取；构建加密预测模块和加密训练模块；将数据输入神经网络模型，利用加密预测模块和加密训练模块进行训练或预测。本发明采用了保序/保分布性质的加密算法以及分离策略来处理用户的原始数据，同时，利用秘密共享和隐私保护的策略处理模型训练和预测的流程，使得方案中训练与预测的效率较高，拥有极高的安全性保障和较好的可扩展性。