申请/专利权人：暨南大学

申请日：2024-04-24

公开（公告）日：2024-06-25

公开（公告）号：CN118093442B

主分类号：G06F11/36

分类号：G06F11/36;H04L9/32

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明涉及数据安全技术领域，提出一种基于零知识证明的神经网络模型可验证测试方法及系统，其中包括：测试数据持有方生成关于其测试数据的基于多项式的承诺，将承诺和测试数据上传；模型持有方生成关于其模型参数的基于多项式的承诺，并将承诺上传；模型持有方获取测试数据和承诺后，验证每一测试数据持有方的测试数据与其相应的承诺是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；模型持有方将统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。

主权项：1.一种基于零知识证明的神经网络模型可验证测试方法，其特征在于，包括：S1、测试数据持有方生成关于其测试数据的基于多项式的承诺将所述承诺CX上传至去中心化的区块链平台，同时将测试数据上传至公有云平台；模型持有方生成关于其模型参数的基于多项式的承诺将所述承诺CW上传至所述区块链平台；所述测试数据持有方和所述模型持有方协商制定用于生成基于多项式的承诺的公开参数，其表达式为： 其中，i∈[0，d]，j∈[0，n]，d为多项式的大小，n为测试数据与模型参数的长度；g，h为素数p阶循环群随机选择的元素，即g*为环群的群元素，即元素元素元素元素元素h1＝hs，α，s，t为从素数群Zp随机选择的元素；Hash·为散列函数；gi，j和分别根据来生成，分别有d+1×n+1项；S2、模型持有方从所述公有云平台和区块链平台分别获取测试数据和承诺CX，验证每一测试数据持有方的测试数据与其相应的承诺CX是否一致，若是，则模型持有方使用测试数据进行模型测试，输出统计性测试结果，并对测试过程生成关于模型正确运行的公开可验证证明；所述模型持有方对测试过程生成关于模型正确运行的公开可验证证明的步骤包括：所述模型持有方从素数群Zp随机选择参数rY，生成关于统计性测试结果Y＝{yi，j}i＝0，...d，j＝0，...，n的基于多项式的承诺其中： 式中，yi，j表示统计性测试结果值；所述模型持有方利用SHA-256哈希函数生成哈希值k，其表达式为：k＝HashCW，CX，CY，Y，W，X，k∈Zp；其中模型参数W＝{wi，j}i＝0，...d，j＝0，...，n；测试数据X＝{xi，j}i＝0，...d，j＝0，...，n；所述模型持有方从素数群Zp随机选择参数生成关于预定义的多项式L1的基于多项式的承诺其中： 式中，li，j为多项式L1的系数；所述模型持有方从素数群Zp随机选择参数rT，生成关于预定义的多项式T的基于多项式的承诺其中： 式中，元素元素所述模型持有方从素数群Zp随机选择参数a，b，并基于所述承诺和CT，以及哈希值k，生成公开可验证证明π＝CT，h2，σ，τ；其中： τ＝b-rT·h2modq；式中，h2为哈希值；U为双线性对值；α，τ为证明参数，q为素数；S3、模型持有方将所述统计性测试结果和公开可验证证明发送至测试数据持有方或任意第三方进行有效性验证，输出验证结果。

全文数据：

权利要求：

百度查询： 暨南大学 一种基于零知识证明的神经网络模型可验证测试方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD