基于神经网络的隐私计算方法及系统

本申请涉及隐私计算推理技术领域，公开了一种基于神经网络的隐私计算方法及系统。该方法包括：对原始数据进行隐私切分，生成服务器端和客户端的数据分片；基于数据分片对卷积层特征进行分块转换，生成块状矩阵；依据块状矩阵评估非线性单元通信量，生成层间重要性指标；根据重要性指标对连续线性层进行参数合并，生成融合计算结构；依据融合结构评估数据交互通信量，生成协议方案；基于协议方案进行安全传输处理，得到隐私推理结果。本申请在保证数据隐私安全的前提下，通过优化神经网络结构和设计高效的隐私计算协议，降低计算过程中的通信开销，提高隐私计算的效率。