一种基于边缘智能和同态加密的具有隐私保护的卷积神经网络推理方法技术

本发明专利技术提出了一种基于边缘智能和同态加密的具有隐私保护的卷积神经网络推理方法，首先，在云端服务器构建一个支持同态计算的卷积神经网络模型并通过对已有数据集进行预训练来优化模型性能，经过训练的模型将被分割部署到终端设备和边缘智能节点上，以实现分布式推理。可信机构负责生成和分发系统中其他实体的所有密钥；终端设备用自己的公钥对原始数据加密并在本地的模型中进行安全卷积操作计算；边缘云端接收计算后的数据完成CNN剩余层的同态计算，边缘端将得到的推理结果返回给终端，终端解密得到推理结果。本发明专利技术在没有泄露终端用户的隐私下，实现了数据在卷积神经网络中的安全推理。该方法还显著减少了数据传输需求，有效地削减了通信开销。

【技术实现步骤摘要】

本专利技术属于信息安全，具体涉及一种基于边缘智能和同态加密的具有隐私保护的卷积神经网络推理方法。

技术介绍

1、深度学习在计算机视觉、自然语言处理和语音识别等多个领域取得了巨大成功，推动物联网发展的一项关键技术。在深度学习领域，卷积神经网络(convolutional neuralnetworks，cnn)广泛应用于图像分类与识别任务。然而，基于cnn的应用程序通常需要大量计算，这使得cnn在物联网中的广泛应用迎来了新的挑战，尤其是在实时应用和资源受限的环境下。在传统的基于云的集中训练和推理方法中，移动设备生成的输入数据被发送到云端进行处理，然后推理后将结果发送回移动设备。大量的数据上传会带来明显的延迟，从而导致在自动驾驶汽车、实时监控和增强现实等需要即时响应的应用中无法达到最佳性能。为了克服这些挑战，边缘智能得到了广泛关注。

2、边缘智能利用离数据源更近的分布式计算能力，将数据处理、存储和决策能力推近数据源，减少对云的依赖。通过利用边缘云的计算能力，边缘智能使设备能够在本地处理数据并做出实时决策，从而提高响应速度、减少延迟提高整体系统效率，减本文档来自技高网...

【技术保护点】

1.一种基于边缘智能和同态加密的具有隐私保护的卷积神经网络推理方法，其特征在于，包括以下步骤：(1)在云端服务器构建一个支持同态计算的卷积神经网络CNN模型并通过对已有数据集进行预训练来优化模型性能，经过训练的模型将被分割部署到终端设备和边缘智能节点上，以实现分布式推理；(2)可信机构负责生成和分发系统中其他实体的所有密钥；(3)终端设备用自己的公钥对原始数据加密并在本地的模型中进行安全卷积操作计算；(4)边缘云端接收计算后的数据完成CNN剩余层的同态计算，边缘端将得到的推理结果返回给终端；(5)终端解密得到推理结果。

2.根据权利要求1所述的一种方法，其特征在于，所述步骤(...

【技术特征摘要】

1.一种基于边缘智能和同态加密的具有隐私保护的卷积神经网络推理方法，其特征在于，包括以下步骤：(1)在云端服务器构建一个支持同态计算的卷积神经网络cnn模型并通过对已有数据集进行预训练来优化模型性能，经过训练的模型将被分割部署到终端设备和边缘智能节点上，以实现分布式推理；(2)可信机构负责生成和分发系统中其他实体的所有密钥；(3)终端设备用自己的公钥对原始数据加密并在本地的模型中进行安全卷积操作计算；(4)边缘云端接收计算后的数据完成cnn剩余层的同态计算，边缘端将得到的推理结果返回...

【专利技术属性】
技术研发人员：韩牟，朱雨，
申请(专利权)人：江苏大学，
类型：发明
国别省市：