【技术实现步骤摘要】
本申请涉及服务器，特别涉及一种模型管理方法、模型获取方法及计算设备。
技术介绍
1、随着近几年人工智能行业的飞速发展，人工智能的应用越来越广泛。其中，能够设计出先进有效的人工智能模型需要大量的人力和物力，所以已经完成训练的人工智能模型是各人工智能企业的核心资产，需要重点保护。
2、目前，现有的保护人工智能模型不会暴露给下游厂商或用户的方法通常是将人工智能模型进行加密，将人工智能模型打包在固定的保护装置或设备上为用户提供服务。
3、然而，上述方案中将人工智能模型打包在固定的保护装置或设备上，仅应用于大型项目模型或特定的人工智能应用设备。由于依赖于人工智能模型产品设计，所以应用场景十分有限，导致通用性低。
技术实现思路
1、本申请实施例提供了一种模型管理方法、模型获取方法及计算设备，可以增强保护模型数据安全的方法的通用性。该技术方案如下：
2、第一方面，提供了一种模型管理方法，该方法由第一计算设备执行，包括，获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息；其中，第二计算设备中存储有目标模型的初始数据；初始数据是目标模型的模型数据中的一部分数据。若是用户的身份为合法身份，则基于用户身份的标识信息以及目标模型的标识信息，向第二计算设备发送恢复数据，恢复数据用于基于初始数据恢复出完整的目标模型的模型数据。
3、可以理解的是，通过校验第二计算设备的用户身份的标识信息，确定向存储有初始数据的第二计算设备发送恢复数据。恢复数据用于基
4、在一种可能的实现方式中，基于用户身份的标识信息以及目标模型的标识信息，向第二计算设备发送恢复数据，包括：基于用户身份的标识信息以及目标模型的标识信息，从目标模型的各个恢复数据中确定用户身份的标识信息对应的恢复数据；向第二计算设备发送用户身份的标识信息对应的恢复数据。
5、可以理解的是，通过目标模型的标识信息确定目标模型，通过用户身份的标识信息确定目标模型与第二计算设备对应的恢复数据，可增强目标模型数据被拆分的安全性，进一步保护了模型数据的安全，同时不受接收设备的限制。
6、在一种可能的实现方式中，用户身份的标识信息包括由用户输入的用户口令。获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：获取由第二计算设备发送的用户口令；基于用户口令，生成抽取规则；按照抽取规则对目标模型的模型数据进行数据抽取，得到初始数据以及抽取数据。抽取数据是目标模型的模型数据中除去初始数据剩余的数据。向第二计算设备发送初始数据；初始数据中包括目标模型的标识信息；获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息，包括：获取由第二计算设备发送的用户口令以及目标模型的标识信息。
7、可以理解的是，若用户身份标识信息包括用户口令，基于用户口令，生成抽取规则，按照抽取规则对目标模型的模型数据进行数据抽取，得到初始数据以及抽取数据。将初始数据发送给第二计算设备，通过用户口令的方式将目标模型的模型数据分为初始数据和抽取数据，可增强目标模型数据被拆分的随机性，提高了目标模型数据的安全性。
8、在一种可能的实现方式中，获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：对目标模型的模型数据通过第一密钥进行加密处理。根据加密后的目标模型的模型数据，生成初始数据；初始数据是加密后的目标模型的模型数据中的一部分数据。向第二计算设备发送恢复数据，包括：在目标模型的模型数据通过第一密钥进行加密处理的情况下，向第二计算设备发送恢复数据；恢复数据中包括第一密钥。
9、可以理解的是，若目标模型的模型数据是通过第一密钥进行加密处理的情况下，初始数据是加密后的目标模型的模型数据中的一部分数据。在接受到第二设备发送的用户身份的标识信息以及目标模型的标识信息时，向第二计算设备发送恢复数据；恢复数据中包括第一密钥。经过用户身份的标识信息以及目标模型的标识信息的校验，向第二计算设备发送恢复数据，可以提高目标模型的模型数据恢复的安全性，避免模型数据被不法窃取。
10、在一种可能的实现方式中，获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：根据目标模型的模型数据，生成初始数据以及抽取数据；对初始数据通过第二密钥进行加密处理；对抽取数据通过第三密钥进行加密处理。向第二计算设备发送恢复数据，包括：在初始数据通过第二密钥进行加密处理，且抽取数据通过第三密钥进行加密处理的情况下，向第二计算设备发送恢复数据；恢复数据中包括第二密钥以及第三密钥。
11、可以理解的是，若对初始数据通过第二密钥进行加密处理；对抽取数据通过第三密钥进行加密处理，经过用户身份的标识信息以及目标模型的标识信息的校验，向第二计算设备发送恢复数据，恢复数据中包括第二密钥以及第三密钥。通过分别加密的方式，可以减少加密过程中的时间开销，还可以进一步提高目标模型的模型数据的安全性。
12、在一种可能的实现方式中，恢复数据中还包括目标地址；目标地址用于指示抽取数据在第一计算设备上的存储地址；抽取数据是目标模型的模型数据中除去初始数据剩余的数据。
13、可以理解的是，目标地址用于指示抽取数据在第一计算设备上的存储地址，第二计算设备可以根据目标地址调用抽取数据，避免抽取数据被下载，保证了目标模型的模型数据的安全性，避免目标模型被二次租售。
14、在一种可能的实现方式中，初始数据的数据量大于抽取数据的数据量；抽取数据是目标模型的模型数据中除去初始数据剩余的数据。
15、可以理解的是，初始数据可以被第二计算设备获取下载，保存在第二计算设备中，而抽取数据需要经过用户身份的标识信息以及目标模型的标识信息的校验才能发送给第二计算设备。初始数据的数据量大于抽取数据的数据量可以减少对网络带宽的要求，提高第二计算设备接收目标模型的模型数据的效率。
16、第二方面，提供了一种模型获取方法，该方法由第二计算设备执行，第二计算设备中存储有目标模型的初始数据，包括，向第一计算设备发送用户身份的标识信息以及目标模型的标识信息；其中，第一计算设备中存储有完整的目标模型的模型数据。获取由第一计算设备发送的恢复数据，恢复数据是第一计算设备基于用户身份的标识信息以及目标模型的标识信息获取的，用于基于初始数据恢复完整的目标模型的模型数据的数据。基于恢复数据，获取目标模型的模型数据。
17、可以理解的是，第二计算设备经过用户身份的标识信息以及目标模型的标识信息的校验，获取由第一计算设备发送的恢复数据，恢复数据用于基于初始数据恢复完整的目标模型的模型数据的数据。可以保证目标模型的模型数据的安全性，避免不法窃取，提高保护模型数据方法的通用性。
本文档来自技高网...【技术保护点】
1.一种模型管理方法，其特征在于，应用于第一计算设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述用户身份的标识信息以及所述目标模型的标识信息，向所述第二计算设备发送恢复数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述用户身份的标识信息包括由所述用户输入的用户口令；
4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述恢复数据中还包括目标地址；所述目标地址用于指示所述抽取数据在所述第一计算设备上的存储地址；所述抽取数据是所述目标模型的模型数据中除去所述初始数据剩余的数据。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述初始数据的数据量大于抽取数据的数据量；所述抽取数据是所述目标模型的模型
8.一种模型获取方法，其特征在于，应用于第二计算设备，所述第二计算设备中存储有目标模型的初始数据，所述方法包括：
9.根据权利要8所述的方法，其特征在于，所述基于所述恢复数据，获取所述目标模型的模型数据，包括：
10.一种计算设备，其特征在于，所述计算设备包括第一计算设备或第二计算设备；所述计算设备包括处理器和用于存储所述处理器可执行指令的存储器；所述处理器被配置为执行所述指令，使得所述计算设备执行如权利要求1-7中任一项所述的模型管理方法，或者执行如权利要求8-9中任一项所述的模型获取方法。
...【技术特征摘要】
1.一种模型管理方法，其特征在于，应用于第一计算设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述用户身份的标识信息以及所述目标模型的标识信息，向所述第二计算设备发送恢复数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述用户身份的标识信息包括由所述用户输入的用户口令；
4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，所述获取由第二计算设备发送的用户身份的标识信息以及目标模型的标识信息之前，还包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述恢复数据中还包括目标地址；所述目标地址用于指示所述抽取数据在所述第一计算设备上的存储...
【专利技术属性】
技术研发人员：储一峰，
申请(专利权)人：超聚变数字技术有限公司，
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。