【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种模型加密方法、装置、存储介质及电子设备。
技术介绍
1、随着深度学习技术的发展，出现了各种类型的深度学习模型，模型在各行各业的应用也越来越广泛。深度学习模型的部署包括本地部署和非本地部署等方式，对于非本地部署方式，用户为了获得模型推理的结果，需要先将数据上传到模型供应商，这会导致存在数据泄露的风险，对于本地部署方式，由于模型需要部署在用户的设备上，如何部署深度学习模型保证模型文件不被窃取是目前的一个难题。
2、现有技术中，有采用对模型的加密方法来保证模型文件不被窃取的方案，该方案基于python的加密库，采用aes对称加密算法对pytorch的模型文件进行加密。
3、在模型启动阶段，程序从磁盘中读取加密后的模型文件，并解密到内存内，最后从内存中加载模型。然而，这种加密方式，需要改造项目中关于模型加载的底层代码，这些底层代码是流行的python模型部署库（比如：transformers、vllm）的一部分，研发人员并不熟悉部署库的代码，使得改造难度大大增加，另一方面，现有技术并未...
【技术保护点】
1.一种模型加密方法，其特征在于，包括：
2.如权利要求1所述的模型加密方法，其特征在于，利用预设加密算法的加密密钥对所述目标深度学习模型的模型文件进行加密，包括：
3.如权利要求1所述的模型加密方法，其特征在于，模型文件包括数据类型模型文件和代码类型模型文件，在用于部署所述目标深度学习模型的项目代码中设置基于hook的检查程序，包括：
4.如权利要求3所述的模型加密方法，其特征在于，在用于所述目标深度学习模型的项目代码中设计用于读取数据类型模型文件的第一程序模块，包括：
5.如权利要求3所述的模型加密方法，其特征在于，...
【技术特征摘要】
1.一种模型加密方法，其特征在于，包括：
2.如权利要求1所述的模型加密方法，其特征在于，利用预设加密算法的加密密钥对所述目标深度学习模型的模型文件进行加密，包括：
3.如权利要求1所述的模型加密方法，其特征在于，模型文件包括数据类型模型文件和代码类型模型文件，在用于部署所述目标深度学习模型的项目代码中设置基于hook的检查程序，包括：
4.如权利要求3所述的模型加密方法，其特征在于，在用于所述目标深度学习模型的项目代码中设计用于读取数据类型模型文件的第一程序模块，包括：
5.如权利要求3所述的模型加密方法，其特征在于，在用于部署所述目标深度学习模型的项目代码中设计用于加载代码类型模型文件的第二程序模块，包括：
...
【专利技术属性】
技术研发人员：陈阳，黄仁鹤，钟继超，刘鹏，王金桥，
申请(专利权)人：武汉人工智能研究院，
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。