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！

龙图腾网获悉山东科技大学申请的专利面向FPGA的分层同态加密神经网络推理部署优化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：CN121279467B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511843773.0，技术领域涉及：G06N5/04；该发明授权面向FPGA的分层同态加密神经网络推理部署优化方法是由张金泉;张梦娇;倪丽娜;吕科颖;韩锡铜设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本面向FPGA的分层同态加密神经网络推理部署优化方法在说明书摘要公布了：本发明公开了一种面向FPGA的分层同态加密神经网络推理部署优化方法，属于神经网络优化与安全计算领域，包括如下步骤：步骤1、对输入图像进行自适应分块并提取统计特征；步骤2、基于协同融合优化范式，对神经网络模型实施CKKS同态加密感知的拓扑化剪枝；步骤3、对剪枝后的模型实施层级式参数遗传同态加密：以网络层序为链路，每层独立生成加密参数，首层参数由图像分块统计特征自适应生成，后续层参数通过前一层参数进化式遗传调谐，形成加密参数遗传流；步骤4、将优化后的模型部署至FPGA平台，实现高效隐私保护推理。本发明能够协同优化算法精度、同态加密特性与FPGA硬件性能，在隐私保护场景下取得良好性能平衡。

本发明授权面向FPGA的分层同态加密神经网络推理部署优化方法在权利要求书中公布了：1.一种面向FPGA的分层同态加密神经网络推理部署优化方法，其特征在于，包括如下步骤： 步骤1、对输入图像执行自适应分块并计算提取统计特征； 步骤2、基于协同融合优化范式，对神经网络模型实施CKKS同态加密感知的拓扑化剪枝；具体过程为： 步骤2.1、构建待剪枝的神经网络模型，建立CKKS同态加密环境下的计算开销模型；其中，神经网络模型包含若干个卷积层和若干个全连接层；计算每个层的总计算开销： ； 其中，、、、分别为乘法、加法、旋转和自举的成本权重；、、、分别为乘法、加法、旋转和自举操作的次数； 步骤2.2、采用通道级或神经元级的权重范数作为量级评估指标； 对于卷积层，权重张量为，对于每个输出通道，采用L2范数计算权重范数； 对于全连接层，权重矩阵为，对于每个输出神经元，采用L2范数计算权重范数； 步骤2.3、针对模型的每一个卷积层和全连接层，计算总计算开销；具体过程为： 对于卷积层，根据输入输出尺寸、卷积核参数，分别计算其乘法、加法、旋转的操作数及乘法深度； 对于全连接层，根据输入输出神经元数量及批次大小，分别计算其乘法、加法、旋转的操作数及乘法深度； 综合上述指标，结合步骤2.1的总计算开销公式，计算各个层的总计算开销； 步骤2.4、基于通道或神经元的权重范数与CKKS同态加密计算开销，综合评估各通道或神经元的保留价值，输出各通道或神经元的优先级指标；具体过程为： 将当前层的总计算开销均摊至每个输出通道或神经元得到平均同态计算开销，结合步骤2.2中的各输出通道或神经元权重范数，计算其输出通道或神经元的优先级指标，数值高的在剪枝过程中被优先保留； 步骤2.5、对神经网络模型执行拓扑化剪枝；具体过程为： 按照剪枝比例，确定每层保留的通道或神经元数量； 根据步骤2.4输出的通道或神经元的优先级指标，对当前层所有输出通道或神经元进行降序排列；选取优先级排名前的通道或神经元索引构成保留索引集合； 基于保留索引集合，从原始权重中提取对应的输出通道或神经元生成剪枝后的新权重，并将当前层的输出通道或神经元数更新为； 若当前层存在偏置项，则依据同一保留索引集合对偏置向量进行同步更新，并调整下一层的输入通道或神经元数； 步骤2.6、验证剪枝后模型复杂度； 步骤2.7、对剪枝后的模型进行微调； 步骤3、对剪枝后的模型实施层级式参数遗传同态加密：以网络层序为链路，每层独立生成加密参数，首层参数由图像分块统计特征自适应生成，后续层参数通过前一层参数进化式遗传调谐，形成加密参数遗传流； 步骤4、将优化后的模型部署至FPGA平台，实现高效隐私保护推理。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。