[发明专利]隐匿信息处理系统以及隐匿信息处理方法

说明书

同态推理装置(500)将模型密文分割成推理用密文和计算用密文，不对所述计算用密文和数据密文进行解密而通过同态运算算法生成事先结果密文，不解密地使用所述事先结果密文和所述推理用密文，通过同态运算算法生成推理结果密文。部分解密装置(600)使用模型用秘密密钥，进行针对所述推理结果密文的部分解密而生成部分解密结果。最终解密装置(700)使用数据用秘密密钥，从所述部分解密结果解密出推理结果。

技术领域

本发明涉及隐匿信息处理。

背景技术

同态加密是能够在对数据进行加密的状态下进行运算的加密技术。

近来，云服务的利用正在普及，但是，由于对破解的担忧和对云的可靠性的担忧，考虑在云上对数据进行加密后进行保管。

此外，同态加密能够对被加密的数据实施运算而不对其进行解密。

因此，同态加密能够不损害安全性地利用云服务。

神经网络是对图像和动态图像的识别有用的技术，由输入层、(多个)中间层和输出层这3种层构成。

输入层是用于受理输入数据的层。

中间层是用于对输入数据或其他中间层的计算结果进行特定计算的层。

输出层是用于输出中间层的最终计算结果的层。

近年来，正在积极地研究实现较高的推理精度的神经网络。这样的神经网络具有非常多的中间层，其推理处理需要庞大的计算量。

因此，在计算能力较低的终端中，难以执行这样的神经网络的推理处理。

因此，考虑将推理处理委托给具有较高的计算能力的云。

在监视摄像头的影像等私人数据成为神经网络的输入数据的情况下，必须在从云隐匿输入数据的状态下进行神经网络的推理处理。

在该情况下，在使用同态加密对输入数据进行加密的状态下进行基于神经网络的推理处理，由此，能够在保持数据提供者的隐私的同时将推理处理委托给云。

但是，如果定义神经网络的中间层的计算的推理模型数据未被加密，则推理模型数据的参数信息和与用于生成推理模型数据的学习中利用的学习数据相关的信息有可能泄漏。

此外，输入数据提供者利用推理模型提供者的推理模型数据在云上进行推理处理的服务具有如下的要件。

假设输入数据提供者和推理模型提供者在将输入数据和推理模型数据一起隐匿的状态下将推理处理委托给云。在该情况下，输入数据需要利用输入数据提供者的加密密钥被加密，并且推理模型数据需要利用推理模型提供者的加密密钥被加密。

专利文献1公开有对输入数据和推理模型数据一起进行加密的状态下的卷积神经网络的推理处理。

现有技术文献

非专利文献

非专利文献1：H.Chen,W.Dai,M.Kim,Y.Song.“Efficient Multi-key Homomorphic Encryption with Packed Cipher texts with Application to ObliviousNeural Network Inference”.In ACM CCS,page 395-412,2019.

发明内容

发明要解决的课题

非专利文献1的方法利用被称作多密钥同态加密的加密技术，由此，在输入数据利用输入数据提供者的加密密钥被加密的状态下并且推理模型数据利用推理模型提供者的加密密钥被加密的状态下，实现推理处理。