买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京大学申请的专利基于同态加密的二值卷积神经网络实现方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115860094B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211372806.4，技术领域涉及：G06N3/082；该发明授权基于同态加密的二值卷积神经网络实现方法及系统是由李丽;王丹;傅玉祥;宋文清;钱俊;李伟;何书专设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本基于同态加密的二值卷积神经网络实现方法及系统在说明书摘要公布了：本发明公开了一种基于同态加密的二值卷积神经网络实现方法及系统，包括：云端对MNIST数据集进行预处理，得到二值图像数据；云端构建明文下二值卷积神经网络模型，训练网络参数；客户端使用TFHE加密方案对二值图像数据进行同态加密，将加密图像数据传输给云端；云端根据训练得到的网络参数，构建一个基于布尔电路或一个基于算术电路的加密神经网络，对加密图像数据进行推理，得到密态结果，传输到客户端；客户端对密态结果进行解密，得到推理结果。本发明将TFHE同态加密算法与二值卷积神经网络结合，构建了一个支持快速门自举技术的加密神经网络，在保护数据隐私性的同时，提高了密文计算速度，缩短了神经网络运行时间。

本发明授权基于同态加密的二值卷积神经网络实现方法及系统在权利要求书中公布了：1.一种基于同态加密的二值卷积神经网络实现方法，其特征在于，包括以下步骤： 步骤1、云端对MNIST数据集进行归一化和二值化处理，得到二值图像数据；云端构建明文下二值卷积神经网络模型，训练网络参数； 步骤2：客户端使用TFHE加密方案对二值图像数据进行同态加密，将加密图像数据传输给云端； 步骤3：云端根据训练得到的网络参数，构建一个基于布尔电路的加密神经网络，对加密图像数据进行推理，将密态推理结果传输到客户端； 步骤4：客户端对密态推理结果进行解密，得到最终结果； 步骤3中云端根据训练得到的网络参数，构建一个基于布尔电路的加密神经网络，对加密图像数据进行推理，得到密态结果，具体包括如下步骤： 步骤31：构建卷积层： 步骤311、对二值权重矩阵Wl进行非标准二值化,得到非标准二值权重矩阵 步骤312、对密文输入矩阵和权重矩阵做密态二值卷积运算，即用非标准二值间的同或运算和密文扩充操作来代替标准二值间的乘法运算，再通过一个N比特同态加法器来实现求和操作，得到一个特征密文矩阵； 其中，非标准二值间的密态逻辑运算通过调用TFHE库中的自举门来实现；密文扩充操作将对单比特数据{0,1}进行加密的密文扩充为对多比特数据{-1,1}进行逐位加密的密文数组；一个N比特同态加法器由N-1个同态全加器和2个自举异或门组合而成； 步骤313、对特征密文矩阵与加密缩放矩阵[Kl]、缩放因子γl进行点乘运算，得到密文输出矩阵；其中，通过一个N比特同态阵列乘法器来实现密态乘法运算，该乘法器由NN-1个同态全加器组合而成； 步骤32：构建激活层： 选取ReLU函数作为激活函数，将激活值作为卷积层的输出，对密文进行ReLU激活可通过以下步骤实现：提取密文的符号位并对其执行非运算，得到一个对1比特数据进行加密的密文，用该密文与原密文进行逐位与运算即可得到原密文的激活值； 步骤33：构建最大池化层，最大池化操作通过密文比较算法来实现： [t0]＝0,[vi]＝[Ai]⊙[Bi] [Ri]＝[tN-1]amp;[Ai]⊙～[tN-1]amp;[Bi] 其中，[v]和[t]为密文比较算法中的中间变量，[R]为密文[A]和[B]的最大值输出；符号～表示非运算，符号⊙表示同或运算，符号表示异或运算，符号amp;表示与运算； 步骤34：构建归一化层： 原归一化的公式表示为其中xi表示原始数据，yi表示处理后的数据，μ为均值，σ2为方差，*为大于零的常数； 步骤35：构建全连接层，全连接层的构建方式类似于激活层，不同的是，其中每一个结点都与上一层的所有结点相连； 步骤3中云端根据训练得到的网络参数，构建一个基于算术电路的加密神经网络，对加密图像数据进行推理，得到密态结果，具体包括如下步骤： 步骤3a、建立卷积层：输入经预处理和TFHE加密后的标准二值图像矩阵，以及标准二值权重矩阵，并将每一个权重值都映射到实数环面上，对两个输入矩阵作卷积运算，输出高噪声的加密特征矩阵； 步骤3b、建立激活层：输入高噪声的加密特征矩阵，对矩阵中的每一项执行优化后的自举算法，输出低噪声的加密特征矩阵； 所述优化后的自举算法在对高噪声密文[m]进行自举的同时，实现对密文的ReLU激活操作，从而输出一个低噪声密文bs_ReLU[m]； 步骤3b-1：输入一个对明文m进行加密的TLWEs密文，即[m]＝a1,a2,……,an,b，m为整数，取值范围为[-B,B-1]；输入一个TGSW形式的密钥BK，一个密钥切换钥匙KS，一个测试向量testv；取n＝600,2B＝1024； 步骤3b-2：令其中k∈[1,n]；令其中表示将实数x映射到实数环面上，表示与实数x最接近的整数；取N＝1024； 步骤3b-3：计算对k∈[1,n]，循环执行其中Bg、l皆为设定好的参数值；BKk为TGSW形式的密钥，即为TGSW形式的密文；ACC表示为TRLWE形式，即符号⊙表示外积，TGSW⊙TRLWE的结果为TRLWE密文；令Bg＝210，l＝3，k＝1； 步骤3b-4：从TRLWE密文ACC中提取TLWE密文，环面多项式中对应的常数项即为提取后的结果TLWEs′ReLUm； 步骤3b-5：利用密钥切换钥匙KS，根据TFHE同态加密方案中提供的密钥切换算法，将TLWEs′ReLUm转换为TLWEsReLUm；其中，s表示原私钥，s′为自举过程中产生的新私钥； 步骤3c、建立最大池化层：输入低噪声的加密特征矩阵，利用优化后的自举算法实现对两个密文的比较操作，输出低噪声的降维加密特征矩阵； 步骤3d、建立归一化层：输入低噪声的降维加密特征矩阵，对其进行归一化，并对归一化后的密态结果进行同态评估，输出对±1进行加密的新二值特征矩阵； 步骤3e、建立全连接层：输入加密二值特征向量，以及二值权重矩阵，并将每一个权重值都映射到实数环面上，对两个输入执行对应的乘法运算和求和运算，输出加密结果向量； 步骤3c具体为： 步骤1：输入低噪声的加密特征矩阵[C3]； 步骤2：利用优化后的自举算法实现对两个密文的比较操作，输出低噪声的降维加密特征矩阵[C4]； 对四个TLWE密文[x1]、[x2]、[x3]、[x4]进行比较，计算最大值，具体实现方式为：y1＝max[x1],[x2]＝[x1]+bs_ReLU[x2]-[x1]，y2＝max[x3],[x4]＝[x3]+bs_ReLU[x4]-[x3]，max[x1],[x2],[x3],[x4]＝max[y1],[y2]＝[y1]+bs_ReLU[y2]-[y1]； 输出矩阵的尺寸为ω1、ω2、ω3分别为权重矩阵W的长度、宽度、深度，为输入矩阵的长度和宽度,ω3′为输出矩阵的深度； 步骤3d具体为： 步骤1：输入低噪声的降维加密特征矩阵[C4]，对其进行归一化； 原归一化公式为归一化层的建立方式可以优化为：对[C3]中的每一项[ci″,j″,t″]，计算得到[C4]中的每一项即可； 其中t″∈[1,ω3′]，μ为已知的均值； 步骤2：利用原始自举算法对归一化后的密态结果进行同态评估，输出对±1进行加密的新二值特征矩阵[C5]，即输出矩阵的尺寸为

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。