本发明公开了一种具有IP保护的可重构神经网络训练及使用方法，包括步骤：设定数据集、任务集和参数集，每个数据集对应一个任务，不同的任务共享相同的参数集，参数集包括权重和偏置；对数据集的数据预处理，初始化神经网络模型；根据初始化的神经网络模型，以batch为单位喂入第m个数据集，m＝1，开始训练；当训练第m个任务时，将模型根密钥设置为任务对应的根密钥，通过根密钥将模型参数集重构到任务对应的参数排列，采用反向传播算法更新模型参数集；交替数据集重复训练过程，直至m＝M，得到具有IP保护的可重构神经网络模型。本发明可执行不同领域的多个任务，且最大化地提高了模型的内存效率。