10.3969/j.issn.1000-386x.2022.01.044
卷积神经网络中具有隐私保护属性的预测分类算法
在用户将其数据上传到公共平台并利用卷积神经网络进行相关操作以得到运算结果的过程中如何保证用户敏感数据的私密性就成为了一个亟待解决的问题.对此采用密码学中的同态加密算法对用户输入数据进行加密处理,在已训练过的卷积神经网络模型中对加密的数据进行预测分类,并得到最终的分类结果,输出的结果是加密形式的,为进一步保护数据的机密性,对结果采用门限解密的方式解密.与传统方法相比,该方法保证用户的输入信息在整个卷积神经网络处理过程中不被泄露,有助于提高对用户敏感数据的隐私保护,也为卷积神经网络的大规模实际应用打下了坚实的理论基础.
卷积神经网络;同态加密;隐私保护;门限解密
39
TP3(计算技术、计算机技术)
2022-02-16（万方平台首次上网日期，不代表论文的发表时间）
共9页
287-295
