欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022106648968
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种神经网络训练中不完整数据的隐私保护方法,参与者包括可信中心TA、T个参与训练的数据提供者DP、云服务器CS;

其特征在于,所述方法包括以下步骤:

步骤1:可信中心TA为数据提供者DP生成密钥;

步骤2:数据提供者DP加密数据并使用云服务器CS对缺失数据填补;

步骤3:构建反向传播神经网络BPNN,定义训练参数;

其中,所述反向传播神经网络BPNN包括输入层、隐藏层、输出层,a,b,c分别代表输入层、隐藏层、输出层的节点数量,使用Sigmoid激活函数,交叉熵作为损失函数;

用于在所述反向传播神经网络BPNN中训练的数据集有N条样本在所述反向传播神经网络BPNN中每次迭代都要通过前馈和反馈阶段最终更新权值w=w-ηΔw,而根据交叉熵损失函数和反向传播的过程,权值的变化即误差对权值的偏导数用以下方法计算:其中

步骤4:数据提供者DP输入加密数据至反向传播神经网络BPNN,数据提供者DP和云服务器CS共同使用基于HE的安全内积运算和安全求和运算,反向传播神经网络BPNN开始多轮训练;

其中,所有的数据提供者DP都产生并分配随机权值在前馈阶段,所有数据提供者DP的加密数据输入所述反向传播神经网络BPNN,为保护隐私,由云服务器CS使用安全的内积与求和计算,各数据提供者DP只能获得加密过的中间值的随机份额,T个数据提供者DP的随机份额δ其中,x

然后各数据提供者DP再使用泰勒级数做线性运算,用于拟合sigmoid激活函数,并获得在隐藏层激活后的输出份额其中,

在输出层上,各数据提供者DP获得由云服务器CS计算的秘密份额o其中,

云服务器CS与所有数据提供者DP使用安全的内积与求和运算,计算出输出值与预期值的误差,当误差超过了设定的阈值,进入反向传播阶段;

对于每个输出层节点i∈[1,c],使用安全内积和求和运算,并让每个数据提供者DP获得随机加密份额对于每个隐藏层节点j∈[1,b],使用安全内积和求和运算,并让每个数据提供者DP先后获得随机加密份额ε然后对

其中,λ

使用安全内积和求和运算,让每个数据提供者DP先后获得随机加密份额μ其中,x

最后,各数据提供者DP获得权值变化的最终加密份额步骤5:反向传播神经网络BPNN达到收敛并满足终止条件后结束训练。

2.根据权利要求1所述的神经网络训练中不完整数据的隐私保护方法,其特征在于,步骤1的具体实现包括以下子步骤:步骤1.1:可信中心TA生成阶为n=q步骤1.2:可信中心TA随机选择两个生成元g,u∈G,计算步骤1.3:可信中心TA将q

步骤1.4:取PK={n,G,G

3.根据权利要求2所述的神经网络训练中不完整数据的隐私保护方法,其特征在于,步骤2的具体实现包括以下子步骤:步骤2.1:在明文空间中随机选择

步骤2.2:数据提供者DP将不完整的加密数据上传至云服务器CS,云服务器CS使用多重插补法填补缺失值,获得一个完整的加密数据矩阵。

4.根据权利要求3所述的神经网络训练中不完整数据的隐私保护方法,其特征在于,步骤5的具体实现包括以下子步骤:步骤5.1:所有的数据提供者DP使用获得秘密份额,将其解密并更新自己的权值份额:步骤5.2:重复步骤4中训练过程,直到误差达到设定的阈值以下,训练过程结束。

5.一种神经网络训练中不完整数据的隐私保护系统,参与者包括可信中心TA、T个参与训练的数据提供者DP、云服务器CS;

其特征在于,所述系统包括以下模块:

模块1,用于可信中心TA为数据提供者DP生成密钥;

模块2,用于数据提供者DP加密数据并使用云服务器CS对缺失数据填补;

模块3,用于构建反向传播神经网络BPNN,定义训练参数;

其中,所述反向传播神经网络BPNN包括输入层、隐藏层、输出层,a,b,c分别代表输入层、隐藏层、输出层的节点数量,使用Sigmoid激活函数,交叉熵作为损失函数;

用于在所述反向传播神经网络BPNN中训练的数据集有N条样本在所述反向传播神经网络BPNN中每次迭代都要通过前馈和反馈阶段最终更新权值w=w-ηΔw,而根据交叉熵损失函数和反向传播的过程,权值的变化即误差对权值的偏导数用以下方法计算:其中

模块4,用于数据提供者DP输入加密数据至反向传播神经网络BPNN,数据提供者DP和云服务器CS共同使用基于HE的安全内积运算和安全求和运算,反向传播神经网络BPNN开始多轮训练;

其中,所有的数据提供者DP都产生并分配随机权值在前馈阶段,所有数据提供者DP的加密数据输入所述反向传播神经网络BPNN,为保护隐私,由云服务器CS使用安全的内积与求和计算,各数据提供者DP只能获得加密过的中间值的随机份额,T个数据提供者DP的随机份额δ其中,x

然后各数据提供者DP再使用泰勒级数做线性运算,用于拟合sigmoid激活函数,并获得在隐藏层激活后的输出份额其中,

在输出层上,各数据提供者DP获得由云服务器CS计算的秘密份额o其中,

云服务器CS与所有数据提供者DP使用安全的内积与求和运算,计算出输出值与预期值的误差,当误差超过了设定的阈值,进入反向传播阶段;

对于每个输出层节点i∈[1,c],使用安全内积和求和运算,并让每个数据提供者DP获得随机加密份额对于每个隐藏层节点j∈[1,b],使用安全内积和求和运算,并让每个数据提供者DP先后获得随机加密份额ε然后对

其中,λ

使用安全内积和求和运算,让每个数据提供者DP先后获得随机加密份额μ其中,x

最后,各数据提供者DP获得权值变化的最终加密份额模块5,用于反向传播神经网络BPNN达到收敛并满足终止条件后结束训练。