买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都信息工程大学申请的专利加密经典数据上训练和测试的方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119182516B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410355773.5，技术领域涉及：H04L9/08；该发明授权加密经典数据上训练和测试的方法及系统是由昌燕;孙文丽;张仕斌;闫丽丽设计研发完成，并于2024-03-27向国家知识产权局提交的专利申请。

本加密经典数据上训练和测试的方法及系统在说明书摘要公布了：本发明属于量子神经网络技术领域，公开了一种允许量子神经网络在加密经典数据上训练和测试的方法及系统，该方法包括：在ECN中，经典客户端首先训练一个简单的经典神经网络作为加密器En来对原始输入数据加密再将密文数据发送至量子云服务器进行QNN的训练，两个模型是一起协同训练的；当En和QNN都训练完毕时，经典客户端直接使用En对输入数据进行加密再发送到量子云服务器端来使用QNN进行测试；测试后得到QNN的预测结果。本发明不要求客户端拥有量子能力，不需要除了训练和测试之外的额外交互从而减少了通信开销，也不会降低QNN的模型性能。此外，该方法不会增加太多的计算成本。

本发明授权加密经典数据上训练和测试的方法及系统在权利要求书中公布了：1.一种允许量子神经网络在加密经典数据上训练和测试的方法，其特征在于，该方法包括： 设置加密协作网络框架，包括经典客户端和量子云服务器端，以及加密器En和量子预测器QNN两个模型，QNN模型包括量子部分和经典部分； 在加密协作网络ECN中，经典客户端使用加密器En对原始输入数据加密，生成密文数据并发送至量子云服务器； 量子云服务器接收密文数据，并使用量子预测器QNN对其进行训练； 加密器En和量子预测器QNN协同训练，优化QNN在加密数据上的学习效果； 训练完成后，经典客户端使用加密器En对新的输入数据加密，并发送至量子云服务器进行测试； 量子预测器QNN对加密数据进行测试，并输出预测结果，该预测结果几乎等同于在明文数据上训练得到的QNN的预测结果； 加密器En和量子预测器QNN的协同训练包括： 加密器En根据量子预测器QNN的训练需求调整加密方式，以优化QNN在加密数据上的学习效果； 量子预测器QNN在训练过程中适应和学习加密数据的分布，无需解密数据即可进行训练和测试； 通过迭代训练过程，不断优化加密器En的加密方式和量子预测器QNN的预测能力，直至达到预定的训练目标； 所述加密器En和预测器QNN训练过程具体如下： 客户端首先将明文样本x输入加密器En，得到输出x'＝Enx，即加密样本；然后客户端计算加密损失Lenc，表示明文样本x与加密样本x'之间的距离；加密器的目标是使x与x'能在很大的程度上被区分开来，也就是客户端要训练加密器以最大化Lenc，或者最小化1‑Lenc； Lenc可以写为： Lenc＝Ex||x‑Enx||p1，其中，表示Lp范数，常用来度量距离；将最小化1‑Lenc作为ECN的优化目标1； 在对目标1进行一次优化后，客户端将参数更新过的En重新生成的加密样本x'发送到量子云服务器，借助服务器运行QNN模型，得到QNN的输出QNNx',即预测标签y'；然后再计算预测损失Lpre，表示预测标签y'与真实标签y之间的距离，即QNN的预测误差； 客户端同时训练QNN和En来最小化Lpre；将Lpre作为ECN的优化目标2； 整个ECN网络的目标函数或总损失可以写为： L＝α*1‑Lenc+β*Lpre2其中，α和β用于控制每个目标的重要性；目标1和目标2交替优化，先训练一次En来优化目标1，再训练一次En和QNN来优化目标2，直到总损失在可接受的范围内即小于期望损失或达到最大的训练次数为止； 训练结束后，客户端保存好训练好的加密器En，量子云服务器保存好训练好的QNN模型，或者其量子部分，经典部分也由客户端保存。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。