【技术实现步骤摘要】
本专利技术属于网络安全，涉及一种用于扩散模型采样的隐私保护推理方法及系统。
技术介绍
1、扩散模型生成技术是计算机视觉领域的关键技术。近年来，扩散模型生成技术超越传统的生成对抗模型技术，在图像领域和音视频领域取得了显著的效果，可以合成以假乱真的图像和音视频，但它们在推理过程中会严重侵犯用户的隐私信息，并引起了社会各界的广泛关注。
2、扩散模型的训练和采样由前向过程和逆向过程两个马尔可夫链组成，前向过程向真实的图像逐步添加高斯噪声来模拟数据分布，后向过程从噪声图开始逐步去噪采样，尝试恢复出原始的真实图像，噪声预测由一个神经网络(通常为u-net)实现。结合前向和后向过程，扩散模型可以有效捕捉复杂的数据分布并生成高质量的采样图像。
3、在使用扩散模型采样生成阶段，用户通常有两种可选模式。一是下载并本地部署已训练的模型，二是借助第三方网页或软件。前者对使用者有较高的设备和代码能力要求，且会泄露模型发布者的模型参数，后者则要求用户上传自己的图像和提示词信息，从而泄露可能包含用户身份和喜好的隐私信息。对这些隐私信息的不法收集和使用将严重侵害用户的隐私数据安全。
4、安全多方计算技术为实现隐私推理提供了一种解决方案，允许相互不信任的各方使用其私有输入协作评估函数，确保仅显示函数的输出，并且任何一方都无法获得其他信息。这种计算模式保证了隐私和正确性，防止腐败方学习除了输出之外的任何信息，并确保诚实方不接受不正确的输出。
5、实现扩散模型采样生成的隐私推理比其他领域更具挑战性，有两个主要原因。首先
6、现有的扩散模型安全工作主要关注内容安全，即生成的内容是否包含敏感信息，以及如何鉴别生成图像和真实图像，缺乏对数据安全的保护。而现有的隐私计算技术则主要关注传统的机器学习和基于transformer的自然语言模型，缺乏对扩散模型的探索。
技术实现思路
1、针对上述问题，本专利技术公开了一种用于扩散模型采样的隐私保护推理方法及系统，其通过安全多方计算技术执行隐私推理，能够实现扩散模型采样过程的隐私保护；通过线性多项式和切比雪夫多项式拟合多种非线性激活函数，提高了隐私扩散模型的计算和通信性能。
2、为实现上述专利技术目的，本专利技术的技术方案包括以下内容。
3、一种用于扩散模型采样的隐私保护推理方法，应用于包含不共谋三方云服务器的安全多方计算系统，所述方法包括：
4、接收模型拥有方的隐私模型参数数据和用户方预处理后的隐私数据；
5、将隐私模型和隐私数据分别分割为隐私模型秘密分享和隐私数据秘密分享；
6、三方服务器对所述模型隐私秘密分享和所述隐私数据秘密分享进行扩散模型采样并重构秘密分享；其中，所述进行扩散模型采样的过程包括：通过切比雪夫多项式拟合的指数函数ex来替代扩散模型非线性激活函数中的指数运算；
7、将重构的秘密分享返还给用户方，以使用户方获取采样生成图像。
8、进一步地，所述切比雪夫多项式拟合指数函数ex的过程，包括：
9、设定设置划分拟合区间的断点texp；
10、将切比雪夫多项式拟合指数函数ex的拟合形式定义为其中，negexp表示指数函数ex的负数区间范围，切比雪夫多项式chebyshev＝c0t0(t)+c1t1(t)+…+cjtj(t)+…+c7t7(t)，cj表示第j个多项式系数，tj(t)表示第j个多项式，t为x线性映射到[-1,1]区间的值，0≤j≤7。
11、进一步地，所述非线性激活函数包括：softmax激活函数；
12、所述使用切比雪夫多项式拟合的指数函数ex来替代扩散模型非线性激活函数中的指数运算，包括：
13、三方云服务器pi联合计算采样对象的布尔值秘密分享形式和向量x的最大值秘密分享形式其中，b表示采样对象的布尔秘密分享类型，1≤i≤3；
14、计算负值归一化结果的秘密分享形式和映射值秘密分享形式其中，∈为常数；
15、通过计算每一项的映射幂值秘密分享形式得到多项式秘密分享形式
16、三方云服务器pi本地计算指数向量秘密分享形式和指数值秘密分享形式n表示向量x的长度；
17、三方云服务器pi联合计算倒数值秘密分享形式和乘积秘密分享形式
18、将结果值秘密分享形式作为softmax激活函数的输出结果。
19、进一步地，所述进行扩散模型采样来得到推理结果的过程，还包括：
20、使用线性多项式在区间[-6,-2]和区间[-2,6]上对silu激活函数或mish激活函数进行分段线性拟合，得到silu激活函数的拟合函数或mish激活函数的拟合函数；
21、基于silu激活函数的拟合函数来完成扩散模型中silu激活函数的计算，或基于mish激活函数的拟合函数来完成扩散模型中mish激活函数的计算。
22、进一步地，所述silu激活函数的拟合函数其中，函数f0(x)＝-0.01420163x2-0.16910363x-0.52212664，函数f1(x)＝
23、0.00008032x6-0.00602401x4+0.19784596x2+0.49379432x+0.03453821。
24、进一步地，所述基于silu激活函数的拟合函数来完成扩散模型中silu激活函数的计算，包括：
25、三方云服务器pi联合计算布尔值秘密分享形式布尔值秘密分享形式和布尔值秘密分享形式其中，b表示采样对象的布尔秘密分享类型，1≤i≤3；
26、基于布尔值秘密分享形式布尔值秘密分享形式和布尔值秘密分享形式三方云服务器pi联合计算区间判定值区间判定值和区间判定值
27、三方云服务器pi联合计算幂值秘密分享形式幂值秘密分享形式和幂值秘密分享形式
28、三方云服务器pi本地计算函数值秘密分享形式和函数值秘密分享形式
29、将结果值秘密分享形式作为silu激活函数的输出结果。
30、进一步地，所述mish激活函数的拟合函数其中，函数f0(x)＝-0.01572019x2-0.18375535x-0.55684445，函数f1(x)＝0.00010786x6-0.00735309x4+0.20152583x2+0.54902050x+0.07559242。
31、一种用于扩散模型采样的隐私保护推理系统，所述隐私保护推理系统包括：
32、模型拥有方，用于提供隐私模型参数数据；
33、用户方，用于提供预处理后的隐私数据；基于重构的秘密分享获取采样生成图像；
34、包含互不共谋三方云服务器的安全多方计算系统，用于将隐私模型本文档来自技高网...
【技术保护点】
1.一种用于扩散模型采样的隐私保护推理方法，其特征在于，应用于包含互不共谋三方云服务器的安全多方计算系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述切比雪夫多项式拟合指数函数ex的过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述非线性激活函数包括：SoftMax激活函数；
4.根据权利要求1所述的方法，其特征在于，所述进行扩散模型采样来得到推理结果的过程，还包括：
5.根据权利要求4所述的方法，其特征在于，所述SiLU激活函数的拟合函数其中，函数F0(x)＝-0.01420163x2-0.16910363x-0.52212664，函数F1(x)＝0.00008032x6-0.00602401x4+0.19784596x2+0.49379432x+0.03453821。
6.根据权利要求5所述的方法，其特征在于，所述基于SiLU激活函数的拟合函数来完成扩散模型中SiLU激活函数的计算，包括：
7.根据权利要求4所述的方法，其特征在于，所述Mish激活函数的拟合函数其中，函数F0(
8.一种用于扩散模型采样的隐私保护推理系统，其特征在于，所述隐私保护推理系统包括：模型拥有方，用于提供隐私模型参数数据；
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-7任一项所述的用于扩散模型采样的隐私保护推理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任一项所述的用于扩散模型采样的隐私保护推理方法。
...【技术特征摘要】
1.一种用于扩散模型采样的隐私保护推理方法，其特征在于，应用于包含互不共谋三方云服务器的安全多方计算系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述切比雪夫多项式拟合指数函数ex的过程，包括：
3.根据权利要求2所述的方法，其特征在于，所述非线性激活函数包括：softmax激活函数；
4.根据权利要求1所述的方法，其特征在于，所述进行扩散模型采样来得到推理结果的过程，还包括：
5.根据权利要求4所述的方法，其特征在于，所述silu激活函数的拟合函数其中，函数f0(x)＝-0.01420163x2-0.16910363x-0.52212664，函数f1(x)＝0.00008032x6-0.00602401x4+0.19784596x2+0.49379432x+0.03453821。
6.根据权利要求5所述的方法，其特征在于，所述基于silu激活函数的拟合函数来完成扩散模型中silu激活函数...
【专利技术属性】
技术研发人员：陈小军，赵鑫，赵振东，王哲，陈旭东，李贺，范廷钰，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。