[发明专利]一种基于医疗健康数据安全的反向传播神经网络训练方法

权利要求书

1.一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：其包括以下步骤：

步骤（1）研究员告知数据方研究所需数据、预处理方法和批次参数；

步骤（2）数据方组合所需数据并依照预处理方法执行预处理操作；

步骤（3）研究员建立神经网络模型并黑箱化后，连同加密的网络参数发送给数据方；

步骤（4）数据方将加密的网络参数输入黑箱以更新黑箱，并将该批次数据输入黑箱进行正向传播过程，获取误差；

步骤（5）数据方审核误差通过后，将误差与当前批次参数返回给研究员；

步骤（6）研究员根据误差以及当前批次参数判断是否结束训练过程；是则，结束训练；否则，，研究员根据误差进行反向传播过程，更新网络参数并加密发送给数据方，执行步骤（4）进一步训练。

2.根据权利要求1所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：步骤（1）中批次参数包括批次数量、整体训练次数。

3.根据权利要求2所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：整体训练次数不超过样本数和样本特征数量两者乘积十分之一。

4.根据权利要求2所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：每批次样本数不低于误差维度的十倍。

5.根据权利要求1所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：步骤（2）中预处理方法包括数据筛选、归一化和分批次。

6.根据权利要求5所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：归一化后的误差精度不超过批次样本数和样本特征数量两者数量乘积的倒数的十倍。

7.根据权利要求1所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：步骤（3）中黑箱化的方法为将神经网络模型封装为带UI界面的可执行文件，数据方将可执行文件在与外网隔绝的虚拟机中运行。

8.根据权利要求1所述的一种基于医疗健康数据安全的反向传播神经网络训练方法，其特征在于：步骤（3）采用对称加密AES的方法进行加密，密钥其一由研究员掌握，其二封装在可执行文件中。