[發(fā)明專利]涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201810735833.0
• 申請日: 2018-07-06
• 公開（公告）號: CN108898028B
• 公開（公告）日: 2020-07-03
• 發(fā)明（設(shè)計）人: 尹愚
• 申請（專利權(quán)）人: 成都大象分形智能科技有限公司
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06N3/04;G06N3/08;H04L9/08
• 代理公司: 成都天嘉專利事務(wù)所(普通合伙) 51211
• 代理人: 蘇丹

1.一種涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)，其特征在于：包括數(shù)據(jù)輸入模塊（1）、加密模塊（2）、加密數(shù)據(jù)輸入模塊（3）、人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）和數(shù)據(jù)輸出模塊（5）；所述數(shù)據(jù)輸入模塊（1）與所述加密模塊（2）信號相連，所述加密模塊（2）與所述加密數(shù)據(jù)輸入模塊（3）信號相連，所述加密數(shù)據(jù)輸入模塊（3）與所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）信號相連，所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）與所述數(shù)據(jù)輸出模塊（5）信號相連；

其中，所述加密模塊（2）包括結(jié)構(gòu)轉(zhuǎn)換模塊（21）及迭代處理模塊（22）；所述迭代處理模塊（22）包括密碼生成模塊（221）、密碼嵌入模塊（222）與單層卷積神經(jīng)網(wǎng)絡(luò)模型模塊（223）；所述密碼生成模塊（221）包括固定矩陣生成模塊（2211）及隨機矩陣生成模塊（2212）；

所述結(jié)構(gòu)轉(zhuǎn)換模塊（21）用于將原始數(shù)據(jù)轉(zhuǎn)換為二維結(jié)構(gòu)；所述迭代處理模塊（22）接收結(jié)構(gòu)轉(zhuǎn)換后的原始數(shù)據(jù)作為第一次迭代處理的輸入數(shù)據(jù)，并將第一次迭代處理的輸出作為第二次迭代處理的輸入數(shù)據(jù)，以此類推，經(jīng)過多次迭代處理后生成加密數(shù)據(jù)；

針對每次迭代處理，所述密碼生成模塊（221）生成與輸入數(shù)據(jù)結(jié)構(gòu)相同的密碼，所述密碼嵌入模塊（222）用于將各密碼以疊加的方式嵌入輸入數(shù)據(jù)，所述單層卷積神經(jīng)網(wǎng)絡(luò)模型模塊（223）用于對經(jīng)過密碼嵌入的輸入數(shù)據(jù)進行網(wǎng)絡(luò)計算，并將計算結(jié)果進行輸出；其中，非最終次迭代處理的計算結(jié)果作為下一次迭代處理的輸入數(shù)據(jù)被所述密碼生成模塊（221）接收，最終次迭代處理的網(wǎng)絡(luò)計算結(jié)果即為加密數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的一種涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)，其特征在于：所述數(shù)據(jù)輸入模塊（1）用于向所述加密模塊（2）提供原始數(shù)據(jù)；所述加密模塊（2）用于對所述數(shù)據(jù)輸入模塊（1）提供的原始數(shù)據(jù)進行加密處理，輸出加密數(shù)據(jù)；所述加密數(shù)據(jù)輸入模塊（3）用于接收所述加密模塊（2）輸出的加密數(shù)據(jù)，并將所述加密數(shù)據(jù)傳輸至所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）；所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）用于接收加密數(shù)據(jù)，并基于加密數(shù)據(jù)進行計算；所述數(shù)據(jù)輸出模塊（5）用于將所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）計算的結(jié)果進行輸出處理；

進一步地，在網(wǎng)絡(luò)訓(xùn)練階段，所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）通過正向網(wǎng)絡(luò)計算與逆向誤差傳播計算實現(xiàn)網(wǎng)絡(luò)訓(xùn)練；在使用階段，所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）通過正向網(wǎng)絡(luò)計算得出結(jié)果；

進一步地，在網(wǎng)絡(luò)訓(xùn)練階段，所述數(shù)據(jù)輸出模塊（5）對所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）的輸出進行損失函數(shù)的計算，用于所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）經(jīng)梯度反向傳播算法實現(xiàn)網(wǎng)絡(luò)訓(xùn)練；在使用階段，所述數(shù)據(jù)輸出模塊（5）采用所述人工神經(jīng)網(wǎng)絡(luò)模型模塊（4）的輸出判斷實際功能。

3.根據(jù)權(quán)利要求1所述的一種涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)，其特征在于：所述加密模塊（2）由一組具有N位數(shù)字的密鑰作為控制量，對所述數(shù)據(jù)輸入模塊（1）提供的所有原始數(shù)據(jù)進行加密處理，以實現(xiàn)數(shù)據(jù)加密；所述密鑰的長度由加密處理中的加密方式及加密要求所限定；所述密鑰的N位數(shù)字的每一位分別選自阿拉伯?dāng)?shù)字0-9之間的一個。

4.根據(jù)權(quán)利要求3所述的一種涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)，其特征在于，密鑰中預(yù)設(shè)定的任意一位上的數(shù)字與迭代處理的次數(shù)相關(guān)聯(lián)。

5.根據(jù)權(quán)利要求3所述的一種涉及迭代與隨機加密的神經(jīng)網(wǎng)絡(luò)模型加密保護系統(tǒng)，其特征在于，針對每次迭代處理，所述固定矩陣生成模塊（2211）通過固定矩陣生成函數(shù)生成與輸入數(shù)據(jù)結(jié)構(gòu)相同的固定矩陣，其中，所述固定矩陣生成函數(shù)具有多個可調(diào)參數(shù)，所述密鑰中預(yù)設(shè)定的任意幾位上的數(shù)字與多個可調(diào)參數(shù)相關(guān)聯(lián)；所述隨機矩陣生成模塊（2212）通過隨機矩陣生成函數(shù)隨機生成與輸入數(shù)據(jù)結(jié)構(gòu)相同的隨機矩陣，其中，所述密鑰中預(yù)設(shè)定的其他幾位上的數(shù)字與該隨機矩陣生成函數(shù)的均值及方差相關(guān)聯(lián)；對應(yīng)每次迭代處理而分別生成的所述固定矩陣與所述隨機矩陣的Hadamard乘積即為需嵌入本次迭代處理的輸入數(shù)據(jù)的密碼。