摘要
本发明提供一种基于安全多方计算的新型隐私激活函数设计方法,包括:对神经网络中的激活函数进行分析,确定激活函数的数学运算步骤和代数性质;根据所述数学运算步骤和代数性质,选择对应的基础安全多方计算部件;通过所选择的基础安全多方计算部件对激活函数进行改造,使改造后的激活函数适应安全多方计算所需的计算框架,实现对秘密输入数据的计算;保持改造后的激活函数在输入和输出时各参与方均持有秘密数据的加法分片,以便改造后的激活函数前后连接神经网络中其他线性模块或非线性模块。本发明在保护数据隐私的同时,确保了数据的可用性,推动了数据共享和隐私计算的发展。
技术关键词
分片
协议
神经网络结构
线性模块
保护数据隐私
云存储设备
训练神经网络
数学
非线性
生成随机数
重构算法
基础
云服务器
参数
框架
节点
元素