【技术实现步骤摘要】
本申请属于数据处理，具体涉及一种基于混合全同态加密方案的图神经网络密态计算方法。
技术介绍
1、图神经网络(gnn，graph neural network)是一种处理图数据的深度学习模型。图数据中的实体以节点的形式表示，实体之间的关系以边的形式表示。
2、为了保证图数据在图神经网络进行处理的过程中是加密的，需要使用全同态加密(fhe，fully homomorphic encryption)。需要说明的是，全同态加密允许对加密数据进行计算，而无需先解密数据。在fhe下，可以对数据进行加、乘等操作，操作完成后的结果仍然是加密的。
3、在先技术中，使用面向错误学习(lwe，learning with errors)密文的方案来实现图数据在图神经网络处理的过程中的全同态加密。
4、在实现本申请过程中，专利技术人发现在先技术中至少存在如下问题：由于在面向错误学习密文的方案中，对图神经网络的图数据进行线性运算(例如图神经网络聚合、图神经网络合并)的加密处理，需要将多位乘法转换为复杂的逻辑电路，导致处理效率低。
【技术保护点】
1.一种基于混合全同态加密方案的图神经网络密态计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图数据包括多个节点，所述图数据对应一个矩阵，所述矩阵的行与所述图数据中的节点一一对应；
3.根据权利要求2所述的方法，其特征在于，所述线性运算包括图神经网络聚合；所述对所述第一密文进行第一处理，获取第一结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述子多项式的数量为2^n，n为正整数；所述预设控制码包括m位二进制码，m为小于或等于n的正整数；
5.根据权利要求4所述的方法，其特征在...
【技术特征摘要】
1.一种基于混合全同态加密方案的图神经网络密态计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图数据包括多个节点，所述图数据对应一个矩阵，所述矩阵的行与所述图数据中的节点一一对应；
3.根据权利要求2所述的方法，其特征在于，所述线性运算包括图神经网络聚合；所述对所述第一密文进行第一处理，获取第一结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述子多项式的数量为2^n，n为正整数；所述预设控制码包括m位二进制码，m为小于或等于n的正整数；
5.根...
【专利技术属性】
技术研发人员：王雪岩，魏云涛，边松，金意儿，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。