1.一种基于支持向量机的加密图像分类方法，其特征在于，具体包括如下步骤：(1)客户端收集工业上待分类的图片，通过HOG特征提取和PCA降维方法对图片进行特征提取，生成m维特征向量 以特征向量 作为行向量，复制n行，组成矩阵，将该矩阵编码加密成密文ct1上传到云端；

其中，m是2的幂；

(2)云端服务器通过支持向量机算法训练SVM图像分类模型器，采用的分类函数为：其中：n表示分类模型中支持向量的个数， 表示分类模型器中的m维支持向量，b表示模型截距，ai是第i个支持向量的拉格朗日系数，yi是第i个支持向量的类标，d是多项式核函数的度数，sign[x]是取符号函数，定义为当x≥0时，sign[x]＝1；否则sign[x]＝0；

(3)云端服务器对SVM图像分类模型器中的各个参数进行处理，其中ai·yi＝ei组成矩阵E，n个支持向量 组成支持向量矩阵X，实数b组成实数矩阵B，具体如下：其中，矩阵E、X、B为n×m的矩阵，n为正整数；

(4)根据步骤3中的参数处理结果，计算待分类图像的分类结果，具体包括如下子步骤：(4.1)将支持向量矩阵X和密文ct1进行点乘，得到第一点积密文ct2：将第一点积密文ct2进行旋转操作和求和操作，过程如下：j

(a)旋转操作：将第一点积密文ct2中元素向左移动2个位置，设置j＝0；

(b)求和操作：再与第一点积密文ct2相加，并赋值给第二点积密文(c)将j+1赋值给j；

(d)重复步骤(a)‑(c)log2m‑1次，得到第log2 m点积密文其中，矩阵每行第一个元素为每行元素的和；*表示这些值与之后的计算无关；

(4.2)将 先加1，再求其d次方，最后点乘矩阵E，得到第一拉格朗日密文ct3：将第一拉格朗日密文ct3进行旋转操作和求和，过程如下：j

(e)旋转操作：将第一拉格朗日密文ct3中元素按序向左移动2个位置，初始j＝log2 m；

(f)加法操作：再与第一拉格朗日密文ct3相加，并赋值给第二拉格朗日密文(g)将j+1赋值给j；

(h)重复步骤(e)‑(g)log2 n‑1次，得到第log2 n‑1拉格朗日密文(4.3)将 加上实数矩阵，求得核函数密文ct4：(5)通过近似求逆方法和近似求sign[x]方法，对核函数密文ct4进行计算，得到分类密文ctfinal；

(6)云端服务器将分类密文ctfinal返回给客户端，客户端对分类密文ctfinal进行解密，得到图片分类结果；