一种基于模分量同态的密文手写体识别神经网络训练方法及系统

本发明公开了一种基于模分量同态的密文手写体识别神经网络训练方法及系统，该方法包括：使用模分量同态加密库对MNIST手写体的明文数据集进行加密预处理；构建深度为9层的密文神经网络，对密文神经网络进行模分量同态加密库的适配改造；采用密文数据对密文神经网络进行训练，在基于同态加密的密文训练中包括前向传播与反向传播；其中，在反向神经网络的传播过程中，计算并反向传回梯度，更新权重值和偏置值，采用正则化参数防止过拟合；完成梯度下降和参数更新，获得训练后的密文手写体识别神经网络模型。本发明实现了在加密域中高效、准确地训练神经网络，并成功应用于手写体识别任务，显著提升了密文训练效率，同时确保了数据隐私的保护。