一种用于全同态CNN推理的批量编码方法

专利主权项内容

1.一种用于全同态CNN推理的批量编码方法，其特征在于，包括以下步骤：1)根据CNN网络第一层卷积核的尺寸将输入特征图切割为若干与卷积核尺寸等大的基本窗口；所述卷积核的尺寸为K×K，基本窗口的像素点共有K个；22)从所有切割好的基本窗口上抓取同一位置的像素点，将抓取的同一位置的所有像素点映射到多项式上加密为输入特征图的一条原始密文；遍历所有像素点，得到K条原始密文；23)将CNN网络的所有卷积层权重和全连接层权重分别映射为卷积层权重明文和全连接层权重明文，获得适用于全同态隐私推理的CNN模型；全同态隐私推理的CNN模型包括卷积层、激活函数以及全连接层；所述卷积层用于对原始密文进行循环位移操作得到R(X)密文，将原始密文或R(X)密文与卷积核权重明文进行点乘后再进行累加，得到卷积层的输出，其中X为循环位移的位数；所述激活函数用于对卷积层的输出进行密文乘法操作，从而得到激活结果密文，所述全连接层用于将输入全连接层的激活结果密文与全连接层权重明文进行点乘操作后输出全连接层的结果密文；4)将步骤2)得到的原始密文输入到步骤3)得到的适用于全同态隐私推理的CNN模型中，进行卷积、全连接、激活函数操作，得到CNN模型运算结果，完成全同态隐私推理的批量编码。