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！

龙图腾网获悉北京电子科技学院申请的专利一种基于模分量同态的Legendre-KAN加密推理方法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：CN120449181B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510513100.2，技术领域涉及：G06F21/60；该发明授权一种基于模分量同态的Legendre-KAN加密推理方法是由李晓东;窦一萌;颜丹婷;官里;赵若云;马澜;崔元设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于模分量同态的Legendre-KAN加密推理方法在说明书摘要公布了：本发明公开了一种基于模分量同态的Legendre‑KAN加密推理方法，涉及信息安全技术领域，包括：步骤1：基于勒让德多项式的KAN结构构建Legendre‑KAN网络；步骤2：采集图像样本集对Legendre‑KAN网络进行训练获得Legendre‑KAN模型；步骤3：对待预测图像进行加密，获得密文数据；步骤4：在GPU中利用Legendre‑KAN模型采用模分量同态算法对密文数据进行并行推理，获得加密结果；步骤5：对加密结果进行解密获得图像预测结果。本发明能够令整个推理过程中数据始终处于加密状态，有效避免隐私泄漏，并且能够提高模型推理效率，加速数据推理过程。

本发明授权一种基于模分量同态的Legendre-KAN加密推理方法在权利要求书中公布了：1.一种基于模分量同态的Legendre-KAN加密推理方法，其特征在于，包括以下步骤： 步骤1：基于勒让德多项式的KAN结构构建Legendre-KAN网络； 基于Kolmogorov-Arnold定理构建深度为2层的Legendre-KAN网络，Legendre-KAN网络包括若干层依次连接的神经网络层，最后一层神经网络的输出作为Legendre-KAN网络的图像预测结果；每层神经网络包括基础线性分支、Legendre多项式分支和特征融合层； 基础线性分支包括基础激活层和基础线性变换层，基础激活层通过基础激活函数对输入进行非线性激活，获得激活特征，基础线性变换层通过基础权重矩阵对激活特征进行线性变换，获得基础输出； Legendre多项式分支包括归一化层、递归层、重塑层和多项式非线性变换层；归一化层对输入进行归一化处理，递归层根据归一化处理后的输入递归生成从0阶到预设阶数的Legendre多项式基函数，构成三维基函数矩阵，重塑层将三维基函数矩阵经展平重塑为二维基函数矩阵，多项式非线性变换层利用多项式权重矩阵对二维基函数矩阵进行非线性变换，生成多项式输出； 特征融合层包括拼接层、批量归一化层和基础激活层，拼接层将基础输出和多项式输出进行逐元素相加获得融合输出，批量归一化层对融合输出进行归一化处理，基础激活层采用基础激活函数对归一化处理后的融合输出进行线性激活，生成当前层的输出，并作为下一层神经网络的输入； 步骤2：采集图像样本集对Legendre-KAN网络进行训练获得Legendre-KAN模型； 步骤3：对待预测图像进行加密，获得密文数据； 步骤4：在GPU中利用Legendre-KAN模型采用模分量同态算法对密文数据进行并行推理，获得加密结果；服务器利用Legendre-KAN模型和密文数据、计算密钥进行推理获得加密结果的过程为： 步骤41：服务器将密文数据Ct展开成一维矩阵，并根据计算密钥EK采用模分量同态算法对一维矩阵ct进行加密，获得一维矩阵ct中每一个密文的模分量集合，T表示一维矩阵的转置，m表示一维矩阵ct中的第m个密文，cp表示组成第m个密文的模分量，M表示模分量个数； 步骤42：将每一个密文的模分量集合和模型训练后获得的基础权重矩阵、多项式权重矩阵输入至GPU上的Legendre-KAN模型中，通过CUDA核心并行执行矩阵乘法和加法运算，获得加密结果； 步骤5：对加密结果进行解密获得图像预测结果。

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北京电子科技学院，其通讯地址为：100071 北京市丰台区富丰路7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。