51、更快的全同态加密技术解析

更快的全同态加密技术解析

1. 同态加密基础运算性质

对于 $\psi_1 = \pi_1 + i_1 \bmod B_{pk}^J$ 和 $\psi_2 = \pi_2 + i_2 \bmod B_{pk}^J$,其中 $i_1, i_2 \in I$,有 $\psi_1 + \psi_2 \bmod B_{pk}^J \in (\pi_1 + \pi_2)+I$ 以及 $\psi_1 \times \psi_2 \bmod B_{pk}^J \in (\pi_1 \times \pi_2)+I \bmod B_{pk}^J$。不过,为确保这些新密文能正确解密,需满足 $|\left(\pi_1 + i_1\right) + \left(\pi_2 + i_2\right)|, |\left(\pi_1 + i_1\right) \times \left(\pi_2 + i_2\right)| \leq r_{Dec}$,这限制了能进行同态求值的多项式的次数。由于对 $J$ 的选择,模 $B_{pk}^J$ 约简后的密文实际上是模 $\det(J)$ 的整数,所以模 $B_{pk}^J$ 的同态求值可归结为模 $\det(J)$ 的整数运算。

2. 改进的 somewhat 同态方案

Gentry 对 SomHom 方案进行了调整,得到 SomHom′ 方案,该方案在密钥生成和解密算法上与原方案不同:
- KeyGen′(λ) :运行 KeyGen(λ) 得到 $(B_{sk}^J, B_{pk}^J)$,从 $B_{sk}^J$ 计算向量 $v_{sk}^J \in J^{-1}$,使得 $P(\text{rotf}(v_{

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值