基于神经网络的多接入信道下连续消息私密信息检索编码方法

本发明公开了一种基于神经网络的多接入信道下连续消息私密信息检索编码方法，属于机器学习与信息论交叉领域。方法包括：1)构建KL散度神经估计(KLNE)模块，通过多层感知器估计查询的KL散度并量化为隐私约束；2)构建查询神经分布变换器(Q‑NDT)与编码神经网络(E‑NN)模块，根据数据库消息生成编码应答；3)构建消息估计神经网络(ME‑NN)模块，从多接入信道的混合应答中重构原消息；4)采用交替优化策略训练上述模块：第一阶段固定Q‑NDT，E‑NN和ME‑NN训练KLNE以提升KL散度估计精度，第二阶段固定KLNE训练Q‑NDT，E‑NN和ME‑NN以最小化消息失真度。本发明能够在任意数据库与消息数目的条件下，实现私密信息检索编码与信道编码，降低估计消息与原消息间的失真度。