【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及基于零知识证明的推断模型的验证。
技术介绍
1、基于神经网络的ai推断技术在数据分类等机器学习任务中取得较大成功。ai是人工智能的简称。
2、为了进行基于神经网络的数据分析，需要事先使用大量的学习数据进行推断模型的学习。此时，由于准备学习数据的难度和计算资源的制约等理由，有时用户很难在自身的环境下构建推断模型。
3、根据这样的观点，近年来，存在在云上提供基于神经网络的数据分析的服务(mlaas)。通过该服务，客户端将希望分析的数据上传到云上，由此能够执行基于所提供的推断模型的推断。因此，客户端不需要在推断模型的构建中花费成本。
4、mlaas是machine learning as a service(机器学习即服务)的简称。
5、在mlaas中，在客户端向推断模型的提供者发送希望分析的数据来委托推断处理的情况下，服务提供者需要向客户端证明推断结果是实际通过推断模型进行了分析的结果。
6、最简单的解决策略是服务提供者公开推断模型本身。但是，推断模型是服务提供者的知识产权，因此，很难向客户端公开推断模型。
7、非专利文献1提出了如下方法：能够使用零知识证明来证明实际执行了基于推断模型的推断处理。
8、通过该方法，服务提供者能够向客户端证明推断结果是通过基于推断模型的分析处理而得到的。
9、现有技术文献
10、非专利文献
11、非专利文献1：zkcnn：zero knowledge proofs for
技术实现思路
1、专利技术要解决的课题
2、在非专利文献1的方法中，由于所使用的零知识证明的协议的制约，作为推断模型的参数，只能对整数值进行处理。
3、本公开的目的在于，能够进行参数为小数的推断模型的验证。
4、用于解决课题的手段
5、本公开的推断验证系统具有：推断部，其利用整数值表现作为成为推断处理对象的数据的小数值，将所述整数值作为卷积神经网络的参数进行处理，执行推断模型而得到推断结果；证明部，其将所述推断结果作为输入，执行证明生成算法而得到证明；以及验证部，其将所述证明作为输入，执行验证算法而得到验证结果。
6、专利技术效果
7、根据本公开，能够进行参数为小数的推断模型的验证。
本文档来自技高网...【技术保护点】
1.一种推断验证系统，该推断验证系统具有：
2.根据权利要求1所述的推断验证系统，其中，
3.根据权利要求2所述的推断验证系统，其中，
4.根据权利要求2或3所述的推断验证系统，其中，
5.根据权利要求2～4中的任意一项所述的推断验证系统，其中，
6.根据权利要求2～5中的任意一项所述的推断验证系统，其中，
7.根据权利要求2～6中的任意一项所述的推断验证系统，其中，
8.根据权利要求2～7中的任意一项所述的推断验证系统，其中，
9.一种推断验证方法，其中，
【技术特征摘要】
【国外来华专利技术】
1.一种推断验证系统，该推断验证系统具有：
2.根据权利要求1所述的推断验证系统，其中，
3.根据权利要求2所述的推断验证系统，其中，
4.根据权利要求2或3所述的推断验证系统，其中，
5.根据权利要求2～4中的任意一项所述的推断验...
【专利技术属性】
技术研发人员：西田悠太郎，安田圣，小关义博，花冈悟一郎，N·阿特拉帕东，坂井祐介，J·C·N·舒尔特，
申请(专利权)人：三菱电机株式会社，
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。