一种高效整型向量同态加密的深度学习训练与推理方法

本发明涉及深度学习技术领域，公开了一种高效整型向量同态加密的深度学习训练与推理方法，包括以下步骤：S1,将原始数据集划分为多个数据块；为每个数据块生成独立密钥对；每个数据块使用独立密钥对进行加密，以模拟不同用户独立加密的场景；S2,使用经多项式替换的深度学习模型进行密文训练，其中，采用EIVHE方案支持密文运算，并采用平均池化层替代最大池化层；在上述步骤中，通过分块加密实现数据的分布式特性，使中心化服务器模拟多用户协作训练。本发明能够在保证多用户密钥隔离的前提下，实现高效整型向量同态运算，同时保持深度学习模型的准确性与鲁棒性。