一种基于格密码的低延迟密文推理方法与流程

本发明涉及密码学领域，尤其涉及一种基于格密码的低延迟密文推理方法。

背景技术：

1、在大数据时代，随着技术的进步和数据量的爆炸式增长，用户隐私数据的保护变得尤为重要。隐私计算技术的发展旨在确保数据在被分析和处理时能够保护个人的隐私信息，这一点对于增强用户信任和遵守日益严格的数据保护法规至关重要。在众多隐私计算技术中，同态加密技术因其独特的能力——允许对加密数据进行操作并得出加密结果，而结果解密后与在明文上直接操作的结果相同——而被认为是密码学上安全的技术。

2、同态加密技术的这一特性使其在保护数据隐私的同时，仍能进行数据分析和处理成为可能，为数据隐私保护领域带来了革命性的进展。然而，尽管同态加密技术提供了强大的隐私保障，但其在实际应用中仍面临着重大挑战，尤其是在处理复杂的数据分析任务时的性能问题。

3、卷积神经网络(cnn)作为一种常见的推理技术，在图像识别、视频分析和自然语言处理等众多领域中有着广泛的应用。它通过模拟人类大脑的视觉感知机制，能够有效地识别和处理图像中的模式和特征。然而，当尝试将同态加密技术与卷积神经网络相结合，以在密文状态下进行推理计算时，性能问题变得尤为显著。

4、现有基于同态加密的卷积神经网络密文推理构造面临的最大问题之一是高延时。例如，在对常见数据集中的28*28像素图像进行密文推理时，所需的时间开销是在明文上进行推理的百倍甚至千倍以上。这一显著的性能差距不仅限制了同态加密在实际应用中的可行性，也阻碍了隐私保护技术的广泛采用。

5、这种高延时问题突显了在隐私保护计算和高效率计算之间达成平衡的重要性。随着技术的不断进步，研究人员和开发者正在寻找新的方法和优化策略，以解决这一挑战，目标是在不牺牲数据隐私保护的前提下，提高基于同态加密的卷积神经网络推理的效率和可用性。

技术实现思路

1、本发明目的在于提供一种基于格密码的低延迟密文推理方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于格密码的低延迟密文推理方法，包括卷积层、池化层、激活层和全连接层，所述方法包括如下步骤：

3、s1：对输入的彩色图像进行预处理；

4、s2：利用卷积层对图像进行特征提取，并得到一条密文；

5、s3：通过激活层对当前密文执行初次激活运算；

6、s4：利用池化层对密文进行降维，并获得平均池化结果；

7、s5：利用全连接层初步整合图像全局特征；

8、s6：通过激活层对当前密文执行二次激活运算；

9、s7：利用全连接层进一步优化图像特征提取；

10、s8：输出最终推理结果。

11、作为优选，所述步骤s1中包括以下子步骤：

12、s11、对输入的彩色图像进行灰度化处理，将彩色图像转换为灰度等效图像；

13、s12、对灰度图像进行批处理打包，将图像的像素展平后重构，存储到明文中的各系数内。

14、作为优选，所述步骤s3和所述步骤s6中均使用relu函数对当前密文进行激活运算。

15、作为优选，所述步骤s4中采用4*4的步长对密文进行降维，得到平均池化结果。

16、作为优选，所述步骤s5中应用带有128个滤波器的线性运算以整合图像的全局特征。

17、作为优选，所述步骤s7中执行带有10个滤波器的最终线性运算以优化图像的特征提取。

18、本发明的有益效果：

19、1.通过对彩色图像进行预处理，原始图像可以以更紧凑的形式表示，从而减少了数据大小和计算复杂性。

20、2.本发明通过预处理阶段使用了堆叠映射，使计算可以批处理进行，得到了复杂度更低的方法，此处，对密文执行16次cmult与权重相乘，并执行83次hrot(同态旋转)和83次hadd得到累加结果，最后通过一次cadd(同态明文-密文加法)与偏置相加；这种优化不仅减少了与权重明文的同态乘法和与明文的同态加法，而且还消除了为实现堆叠映射而进行的同态旋转的需要，从而简化了计算过程。

21、3.低延迟：在16核intel(r)core(tm)i9-12900ks处理器上，使用ckks算法，本网络推理一张mnist数据集图像、一张f-mnist数据集图像、以及一张cifar-10数据集图像，均只需要0.46秒，准确度分别为99.14％、90.8％与61.09％；

22、对比同类国际工作，lola推理一张mnist数据集图像和一张cifar-10数据集图像分别需要2.2秒和730秒，falcon推理一张mnist数据集图像和一张cifar-10数据集图像分别需要1.2秒和107秒；

23、可见本发明中的网络能在保证较高的准确度时达到实时性。

24、4.同态友好：本网络的参数经过细致选择，均为同态友好设计，充分利用了bgv/bfv/ckks这类同态算法的并行性。

技术特征：

1.一种基于格密码的低延迟密文推理方法，其特征在于：包括卷积层、池化层、激活层和全连接层，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于格密码的低延迟密文推理方法，其特征在于：所述步骤s1中包括以下子步骤：

3.根据权利要求1所述的一种基于格密码的低延迟密文推理方法，其特征在于：所述步骤s3和所述步骤s6中均使用relu函数对当前密文进行激活运算。

4.根据权利要求1所述的一种基于格密码的低延迟密文推理方法，其特征在于：所述步骤s4中采用4*4的步长对密文进行降维，得到平均池化结果。

5.根据权利要求1所述的一种基于格密码的低延迟密文推理方法，其特征在于：所述步骤s5中应用带有128个滤波器的线性运算以整合图像的全局特征。

6.根据权利要求1所述的一种基于格密码的低延迟密文推理方法，其特征在于：所述步骤s7中执行带有10个滤波器的最终线性运算以优化图像的特征提取。

技术总结本发明公开了一种基于格密码的低延迟密文推理方法，包括卷积层、池化层、激活层和全连接层，所述方法包括如下步骤：S1：对输入的彩色图像进行预处理；S2：利用卷积层对图像进行特征提取，并得到一条密文；S3：通过激活层对当前密文执行初次激活运算；S4：利用池化层对密文进行降维，并得到平均池化结果；S5：通过全连接层初步整合全局特征；S6：通过激活层对当前密文执行二次激活运算；S7：通过全连接层进一步优化特征提取；S8：输出最终推理结果；通过对图像进行预处理，原始图像可以以更紧凑的形式表示，从而减少了数据大小和计算复杂性。技术研发人员：石建,方凯俊,李中魁,吴潇受保护的技术使用者：杭州后量子密码科技有限公司技术研发日：技术公布日：2024/8/5