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！

申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);暨南大学

摘要：本发明公开了一种基于零知识证明的神经网络输出结果产权证明方法及装置，方法包括：零知识证明与签名生成步骤、零知识证明与签名验证步骤。其中，生成步骤由证明者独立完成，验证步骤则由验证者单独完成。在零知识证明与签名生成步骤中，证明者结合zkCNN协议和Schnorr协议同时生成零知识证明和签名。在验证步骤中，验证者通过第一验证等式验证整体证明的有效性，通过第二验证等式验证签名的有效性。本发明一方面将zkCNN协议改造为非交互式协议，从而使证明者能够预先独立完成证明；另一方面将zkCNN协议改造为能够用于针对向量进行证明，同时以嵌入签名的方式修改zkCNN协议，增强产权证明的效费比及安全性。

主权项：1.基于零知识证明的神经网络输出结果产权证明方法，其特征在于，包括验证零知识证明步骤和验证签名步骤：所述验证零知识证明π步骤，具体为：S11、基于深度神经网络构建算术电路，拼接输入参数形成向量T；所述输入参数包括秘密参数和密钥字段；S12、证明者选取随机数r，使用零知识承诺协议zkPC和随机数r对向量T做承诺，zkPCT,r获得承诺多项式com；利用算术电路对向量T运算得到输出向量E；S13、对输出向量E经过电路函数定义形成输出层的定义函数，而后逐层执行zk-sumcheck协议；执行过程中，将定义函数的正确性归约到靠近输出层一侧的相邻层的同一组点的正确性，生成深度神经网络各层的正确性参数、、和，然后生成随机数α与β作为权，利用第一求和等式对和进行加权求和，求得组点Q值；再利用组点Q值根据深度神经网络的层数循环执行zk-sumcheck协议；继续调用zk-sumcheck协议，计算第二求和等式将正确性参数和的正确性归约到输入层；其中，x和y则分别表示运算门的第一条输入导线和第二条输入导线在其来源层的导线序数，in表示输入层，i表示深度神经网络的层数；S14、生成设定长度的随机数向量，然后将该随机数向量裁剪，获取较短的随机数向量；基于零知识承诺协议zkPC，证明者与验证者合作，利用随机数向量和随机数r打开承诺多项式com，验证者获得秘密参数和密钥字段的映射值，然后计算第一验证等式；验证者根据第一验证等式完成最终检查，如果第一验证等式成立，则零知识证明π有效；所述步骤S11-S14均在zkCNN协议下进行；所述验证签名步骤：具体为：S21、在算术电路中，令秘密群元素w、生成元和被签名的消息m拼接形成新向量T的密钥字段，然后将该新向量T输入电路中，得到新的输出向量；证明者计算新的输出向量中的签名的随机数；验证者根据第二验证等式检验新的输出向量中的签名的随机数，然后利用公钥和签名验证第三验证等式，如果第二验证等式和第三验证等式均成立，则签名有效。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 暨南大学 基于零知识证明的神经网络输出结果产权证明方法及装置