科研之友
微信
新浪微博
Facebook
分享链接
摘要
神经网络是一种重要的数据分类工具,一个经过良好训练的神经网络可以高效准确的完成对输入数据的分类和预测,在信息处理、模式识别等方面有着广泛的应用.目前对神经网络算法的研究,并在基础上对神经网络的训练,已成为产业界和学术界关注的热点,训练良好的神经网络也逐渐成为诸多数据处理企业的重要知识产权.因此,当普通用户希望借助神经网络进行数据分类时,往往需要将数据托管给专业机构,这时如何保护数据隐私就成为最为重要的问题.此外,目前的神经网络算法计算量较大,无法很好地在计算资源受限的设备上运行.引入云计算服务提供了一种解决方案,可以将复杂的神经网络计算任务委托给云,但同样存在着隐私泄露的风险.为了解决以上问题,本文设计了一种基于同态加密的隐私保护神经网络,使用了同态加密算法对数据进行加密,并借助同态加、乘的性质对神经网络的运算过程进行重写,在保障数据隐私性的前提下保留了数据的可计算性.与以往的隐私保护神经网络相比,可以更好的适用于复杂的神经网络,具有更高的安全性.
- 单位
