[发明专利]一种基于同态加密技术的深度神经网络加密推理方法

权利要求书

1.一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，包括如下步骤：

(1)将图片加密后传输到云端，云端服务器接收到加密图像数据后，将BN层合并到卷积层中，按照卷积方法进行同态卷积运算，得到第一层卷积运算后的密文特征图，并传输到客户端；

(2)客户端接收到第一层同态卷积运算后的密文特征图后，对密文特征图进行解密后，采用标记运算得到标记矩阵，并将标记矩阵传输到云端服务器，云端服务器接收到标记矩阵后，对第一层同态卷积层的输出特征图进行更新，将标记矩阵为0位置对应的特征图的密文替换为明文0，1对应位置的密文不变，从而通过客户端的标记矩阵方法及云端服务器上的特征图更新方法协同实现了密文深度神经网络的激活函数，最终得到第二层同态卷积层的输入特征图；根据卷积窗在第二层同态卷积层的输入特征图中位置，将输入特征图的像素点依次传输到GPU中，采用多核并行处理密文多项式的方式完成密文域下的第二层的同态卷积运算，然后将GPU中的输入特征图的像素点依次销毁，得到第二层卷积运算后的密文特征图，并传输到客户端；其中，采用标记运算得到标记矩阵的具体过程为：通过阶跃标记函数，利用阶跃标记方法将特征图中每个点中大于0的数表示为1，小于或等于0的数表示为0，得到由0和1组成的标记矩阵；

对于5层以上的卷积层，当标记矩阵中0的数量低于50％时，将标记矩阵中1的点及上下左右标记都为1的点更新为对应像素点解密后的明文，得到标记矩阵；

(3)重复步骤(2)，直到得到所有卷积层运算后的密文特征图。

2.根据权利要求1所述的一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，步骤(1)中，采用同态加密算法对图片进行加密；同态加密算法的参数是多项式模、密文模和明文模。

3.根据权利要求1所述的一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，步骤(1)中，第一层卷积运算后的密文特征图通过下式计算得到：

Y_i′＝W′_i*X+B′_i

其中，

式中，W′_i为同态卷积核中第i个核的权重，γ_i表示再缩放参数γ的第i个通道，σ_i表示累积方差σ的第i个通道，W_i表示第i个卷积核的权重；X为输入特征图；B′_i为同态卷积核中第i个核的偏置，B_i表示第i个卷积核的偏置，μ_i表示累积均值μ的第i个通道，β_i表示再平移参数β的第i个通道。

4.根据权利要求1所述的一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，阶跃标记函数如下：

其中，x为输入像素值，y为输出标记。

5.根据权利要求1所述的一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，步骤(2)中，卷积窗在第二层同态卷积层的输入特征图中位置，将输入特征图的像素点依次传输到GPU中的具体过程为：当同态卷积窗在输入特征图的第一行且第一列时，传输所有输入通道的卷积窗3x3的数据到GPU进行同态卷积运算，当同态卷积窗在输入特征图的第一行不在第一列时，传输所有输入通道的卷积窗第三列的数据到GPU进行同态卷积运算，当同态卷积窗在输入特征图的第一列不在第一行时，传输所有输入通道的卷积窗第三行的数据到GPU进行同态卷积运算，当同态卷积窗不在输入特征图的第一行且不在第一列时，传输所有输入通道的卷积窗第三行且第三列的数据到GPU进行同态卷积运算。

6.根据权利要求1所述的一种基于同态加密技术的深度神经网络加密推理方法，其特征在于，步骤(2)中，将GPU中的输入特征图的像素点依次销毁的具体过程为：当同态卷积窗在输入特征图的最后一行且最后一列时，在GPU完成卷积窗的同态卷积运算后销毁所有输入通道的卷积窗3x3的数据，当同态卷积窗在输入特征图的最后一列不在最后一行时，在GPU完成卷积窗的同态卷积运算后销毁所有输入通道的卷积窗第一行的数据，当同态卷积窗在输入特征图的最后一行不在最后一列时，在GPU完成卷积窗的同态卷积运算后销毁所有输入通道的卷积窗第一列的数据，当同态卷积窗不在输入特征图的最后一行且不在最后一列时，在GPU完成卷积窗的同态卷积运算后销毁所有输入通道的卷积窗第一行且第一列的数据。