计算机工程与科学

作者：黄颖, 唐敏,

单位：（1.桂林电子科技大学数学与计算科学学院,广西 桂林 541004；2.广西应用数学中心（桂林电子科技大学）,广西 桂林 541004；3.广西高校数据分析与计算重点实验室,广西 桂林 541004）

关键词：深度神经网络,基因检测,隐私保护,盲化矩阵,内积函数加密,

基金：国家自然科学基金（62462018）；广西数字基础设施重点实验室开放基金资助课题（GXDIOP2024017）；广西研究生教育创新计划（JGY2024155）

深度神经网络（DNN）功能强大,被广泛应用于生物医学中的基因检测。构建可靠的DNN模型需要大量有效医疗样本,而现实中生物数据通常分散存储且具有高度隐私。现有方案在处理此类分布式大规模的复杂学习任务时,难以在实现数据安全的同时保证DNN模型的高精度。为此,提出一个基于DNN的隐私保护方案,联合多方数据快速构建起精确的基因检测模型。首先，使用盲化矩阵结合内积函数加密消除全同态、秘密共享等方案中需要的近似替换策略,确保在隐私保护的同时，实现与明文集中式训练一致的效果。其次,构造非交互式训练模式抵抗全局模型参数泄漏造成的推断攻击,保证数据安全。在真实医疗数据集上的实验结果表明了所提方案的正确性、有效性和高精度。

来源：2025年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第2期