安全两方的神经网络计算和学习
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-20页 |
| ·研究背景 | 第13-15页 |
| ·神经网络与安全多方计算 | 第15-17页 |
| ·人工神经网络 | 第15-16页 |
| ·安全多方计算 | 第16-17页 |
| ·本文假设及符号约定 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 基本工具与协议 | 第20-30页 |
| ·茫然传输与茫然多项式计算 | 第20-22页 |
| ·茫然传输 | 第20-21页 |
| ·茫然多项式计算 | 第21-22页 |
| ·安全点积计算 | 第22-23页 |
| ·茫然无穷可导函数计算 | 第23-25页 |
| ·无穷可导函数的Taylor级数 | 第23页 |
| ·茫然无穷可导函数计算协议 | 第23-25页 |
| ·安全数据比较 | 第25-27页 |
| ·安全乘法计算 | 第27-28页 |
| ·第一种构造 | 第27页 |
| ·第二种构造 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 茫然神经网络计算 | 第30-36页 |
| ·几种常用激活函数的计算 | 第30-32页 |
| ·阈值型函数 | 第30-31页 |
| ·Sigmoid函数 | 第31页 |
| ·其它型激活函数 | 第31-32页 |
| ·茫然激活函数计算 | 第32-35页 |
| ·茫然阈值函数计算 | 第32-33页 |
| ·茫然Sigmoid函数计算 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 茫然神经网络学习 | 第36-47页 |
| ·神经学习算法 | 第36-40页 |
| ·监督学习算法 | 第36-38页 |
| ·竞争学习算法 | 第38-39页 |
| ·组织学习算法 | 第39-40页 |
| ·茫然神经学习 | 第40-46页 |
| ·茫然监督学习 | 第40-42页 |
| ·茫然竞争学习 | 第42-45页 |
| ·茫然组织学习 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 安全两方的BP神经网络分类协议 | 第47-56页 |
| ·茫然BP网络分类协议 | 第47-49页 |
| ·协议分析 | 第49-50页 |
| ·正确性分析 | 第49页 |
| ·安全性分析 | 第49-50页 |
| ·复杂度分析 | 第50页 |
| ·与已有安全分类协议比较 | 第50-55页 |
| ·保护隐私的决策树分类 | 第50-52页 |
| ·保护隐私的朴素贝叶斯分类 | 第52-54页 |
| ·保护隐私的神经网络分类 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| ·本文总结 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间所发表的论文 | 第62-63页 |
| 致谢 | 第63页 |
