CKKS三支决策动态分层加密神经网络训练方法及系统

本申请提供了一种CKKS三支决策动态分层加密神经网络训练方法及系统，方法包括以下步骤：对原始输入数据进行数据编码，CKKS加密为多项式并添加噪声项生成密文；通过交替行列加密矩阵乘法对密文执行同态计算，结合EncryptedPolyReLU激活函数和三支决策处理中间特征，获取加密特征，最终输出加密预测结果；通过加密残差平方和损失函数计算梯度，并采用Nesterov动量方法对梯度更新进行加速，以处理加密预测结果，结合分层噪声感知引导机制，优化加密模型参数获得加密模型参数。本申请通过动态编码和行列交替加密实现高效隐私保护训练，结合三支决策筛选和跨层优化，为高敏数据提供安全高效的深度学习解决方案。