CN113742738A - 模型参数的安全保护方法、安全保护装置及计算机装置 - Google Patents
模型参数的安全保护方法、安全保护装置及计算机装置 Download PDFInfo
- Publication number
- CN113742738A CN113742738A CN202010462503.6A CN202010462503A CN113742738A CN 113742738 A CN113742738 A CN 113742738A CN 202010462503 A CN202010462503 A CN 202010462503A CN 113742738 A CN113742738 A CN 113742738A
- Authority
- CN
- China
- Prior art keywords
- parameter information
- safety protection
- parameter
- computer
- configuration file
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明提供一种模型参数的安全保护方法、安全保护装置及计算机装置,所述方法应用于计算机装置中,所述计算机装置与至少一个安全保护装置进行通信连接,所述方法包括:训练数据模型,并获取所述数据模型中的参数信息;加密所述参数信息,并生成包括加密参数信息的配置文件;发送所述配置文件至安全保护装置。所述方法同时应用于安全保护装置中,所述方法还包括:接收所述计算机装置发送的配置文件;查找所述配置文件中的已加密的参数信息;获取解密密钥,解密所述参数信息;在数据模型中配置所述参数信息。通过所述方法使得模型参数得到安全保护。
Description
技术领域
本发明涉及大数据分析技术领域,具体涉及一种模型参数的安全保护方法、安全保护装置及计算机装置。
背景技术
在大数据时代,人们会对生活、生产中的各种数据通过不同的数据模型进行分析,运用数据分析的结果为生产生活提供便利。因此数据模型的构建是数据分析的关键一环,其中数据模型的参数设置直接影响了数据模型的分析效率及分析精度。现有的数据模型在应用过程中并未对数据模型的参数进行保护,存在数据模型参数泄露等安全问题。
发明内容
鉴于以上内容,有必要提出一种模型参数的安全保护方法、安全保护装置、计算机装置,通过所述方法使得模型参数得到安全保护。
本申请的第一方面提供一种模型参数的安全保护方法,所述方法应用于计算机装置中,所述计算机装置与至少一个安全保护装置进行通信连接,所述方法包括:
训练数据模型,并获取所述数据模型中的参数信息;
加密所述参数信息,并生成包括加密参数信息的配置文件;
发送所述配置文件至安全保护装置。
优选地,所述参数信息包括:人工神经网络算法中神经元的权重和神经元的偏移值中的一种或多种。
优选地,所述加密所述参数信息,并生成包括加密参数信息的配置文件的步骤包括:
对所述参数信息进行二值化处理;
调用编译程序中的加密算法对二值化的参数信息进行加密,其中所述加密算法包括对称加密算法和非对称加密算法。
优选地,所述方法包括:
接收安全保护装置发出的发送配置文件的请求信息;
根据所述安全保护装置的账户信息,判断所述安全保护装置是否具备获取所述配置文件的权限;
若所述安全保护装置具备所述权限,将所述配置文件发送至所述安全保护装置。
本申请的第二方面提供一种计算机装置,所述计算机装置包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如前所述的模型参数安全保护方法。
本申请的第三方面提供一种模型参数的安全保护方法,所述方法应用于安全保护装置中,所述安全保护装置与计算机装置通信,所述方法包括:
接收所述计算机装置发送的配置文件;
查找所述配置文件中的已加密的参数信息;
获取解密密钥,解密所述参数信息;
在数据模型中配置所述参数信息。
优选地,所述获取解密密钥,解密所述参数信息的步骤包括:
接收计算机装置发送的解密密钥,利用所述解密密钥对所述参数信息进行解密。
优选地,所述获取解密密钥,解密所述参数信息的步骤还包括:
查找预设的解密程序,对所述参数信息进行解密。
优选地,所述在数据模型中配置所述参数信息的步骤包括:
在数据模型的参数及参数位置对照表中,获取参数的位置信息;
从所述数据模型中确定所述位置信息对应的参数名称,根据所述参数名称在解密的参数信息中查找对应的解密参数;
将查找到的解密参数加载到所述数据模型中与所述位置信息对应的位置。
本申请的第四方面提供一种安全保护装置,所述装置包括:
存储器:用于存储计算机程序;
处理器:执行所述存储器中的计算机程序时实现如前所述的模型参数的安全保护方法。
本发明模型参数的安全保护方法、安全保护装置及计算机装置,所述计算机装置训练数据模型,提取所述数据模型的参数信息,对所述参数信息加密后生成配置文件发送至安全防护装置,所述安全防护装置接收所述配置文件,对所述配置文件中的参数信息进行解密后,加载到数据模型中。通过所述模型参数的安全保护方法使得模型的参数的安全性得到保障。
附图说明
图1是本发明实施例一提供的模型参数的安全保护方法的应用环境架构示意图。
图2是本发明实施例二提供的应用于计算机装置的模型参数的安全保护方法流程图。
图3是本发明实施例二提供的应用于安全保护装置的模型参数的安全保护方法流程图。
图4是本发明实施例三提供的计算机装置示意图。
图5是本发明实施例三提供的安全保护装置的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
参阅图1所示,为本发明实施例一提供的模型参数的安全保护方法的应用环境架构示意图。
本发明中的模型参数的安全保护方法应用在计算机装置1中,所述计算机装置1和至少一个安全保护装置2通过网络建立通信连接。所述网络可以是有线网络,也可以是无线网络,例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。
所述计算机装置1用于训练数据模型,获取所述数据模型中的参数信息;加密所述参数信息,生成包括加密参数信息的配置文件;并将所述配置文件发送至安全保护装置2。在本发明又一实施方式中,所述计算机装置1还用于存储用于训练的数据模型的样本信息。所述样本信息用于训练所述数据模型的参数。
所述安全保护装置2用于接收所述配置文件,查找所述配置文件中的已加密的参数信息;获取解密密钥,解密所述参数信息;在数据模型中配置所述参数信息。
所述计算机装置1可以为安装有模型参数的安全保护软件的电子设备,例如个人电脑、服务器等,其中,所述服务器可以是单一的服务器、服务器集群或云服务器等。
所述安全保护装置2可以为安装有模型参数的安全保护软件的电子设备,包括但不限于单片机、现场可编程逻辑门阵列、智能手机、智能穿戴设备、平板电脑、膝上型便捷计算机、台式计算机等。
实施例二
请参阅图2所示,是本发明实施例二提供的应用于计算机装置的模型参数的安全保护方法流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S11、训练数据模型,获取所述数据模型中的参数信息。
在本发明一实施例中,所述数据模型为基于人工神经网络的数据模型。所述参数信息包括人工神经网络的神经元的权重和神经元的偏移值中的一种或多种。
在一实施方式中,所述数据模型应用于图像检测领域,用于获取待检测图像中的特征信息,所述数据模型的训练过程包括:
获取多幅已知特征信息的图像;
将所述图像分为训练集和验证集;
建立一基于人工神经网络的数据模型,并利用所述训练集对所述基于人工神经网络的数据模型进行训练;
利用所述验证集对训练后的所述基于人工神经网络的数据模型进行验证,并根据验证结果统计得到一模型预测准确率;
判断所述模型预测准确率是否小于预设阈值;
若所述模型预测准确率不小于所述预设阈值,将训练完成的所述基于人工神经网络的数据模型作为用于获取待检测图像中的特征信息的数据模型。
若所述模型预测准确率小于所述预设阈值,调整所述基于人工神经网络的数据模型的神经元的权重和神经元的偏移值,并利用所述训练集重新对基于人工神经网络的数据模型进行训练;
利用所述验证集对重新训练的基于人工神经网络的数据模型进行验证,并根据每一验证结果重新统计得到一模型预测准确率,并判断重新统计得到的模型预测准确率是否小于所述预设阈值;
若所述重新统计得到的模型预测准确率不小于所述预设阈值,将重新训练完成的基于人工神经网络的数据模型作为用于获取待检测图像中的特征信息的数据模型;
若所述重新统计得到的模型预测准确率小于所述预设阈值,重复上述步骤直至通过所述验证集验证得到的模型预测准确率不小于所述预设阈值。
获取训练完成的基于人工神经网络的数据模型,按照神经元的位置信息提取所述数据模型中的神经元的权重和神经元的偏移值。
步骤S12、加密所述参数信息,并生成包括加密参数信息的配置文件。
在本发明一实施方式中,所述步骤还包括对所述参数信息进行二值化处理。通过编译程序将所述参数信息编译成二进制代码。
所述加密所述参数信息的方法包括对称加密算法、非对称加密算法中的任意一种。其中,所述对称加密算法包括但不限于DES(Data Encryption Standard数据加密标准)、IDEA(International Data Encryption Algorithm国际数据加密算法)、AES(Advanced Encryption Standard高级加密标准)。所述非对称加密算法包括但不限于RSA(Rivest Shamir Adleman加密算法)、Elgamal加密算法、背包算法。
将加密后的参数信息按照编译程序的格式要求生成配置文件。所述编译程序包括但不限于C语言、Python语音、JAVA语言。
步骤S13、发送所述配置文件至安全保护装置。
在一实施方式中,所述输出配置文件的方式还可以包括:接收安全保护装置发出的发送配置文件的请求信息;根据所述安全保护装置的账户信息,判断所述安全保护装置是否具备获取所述配置文件的权限;若所述安全保护装置具备所述权限,将所述配置文件发送至所述安全保护装置。
请参阅图3所示,是本发明实施例二提供的应用于安全保护装置的模型参数的安全保护方法流程图。根据不同的需求,所述流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S21、接收所述计算机装置发送的配置文件。
步骤S22、查找所述配置文件中的已加密的参数信息。
在本发明一实施方式中,通过预设在所述安全保护装置中的程序语言通过关键字查找的方式,查找所述配置文件中的参数信息。
步骤S23、获取解密密钥,解密所述参数信息。
在本发明一实施方式中,所述获取解密密钥,解密所述参数信息的步骤可以包括:接收计算机装置发送的解密密钥,利用所述解密密钥对所述参数信息进行解密。所述方法适应于获取到的参数信息的加密方式为非对称加密的方式实现。
在本发明又一实施方式中,所述获取解密密钥,解密所述参数信息的步骤还可以包括:
查找预设的解密程序,对所述参数信息进行解密。所述方法适应于所述参数信息的加密方式通过对称加密的方式实现。
步骤S24、在数据模型中配置所述参数信息。
在本发明一实施方式,所述步骤S24的实施步骤可以包括:
在数据模型的参数及参数位置对照表中,获取参数的位置信息。所述安全保护装置2中预存了数据模型的类型、用途、所述数据模型所需的参数名称及所述参数的位置信息,并将所述参数名称及所述参数的位置信息对应存储于参数及参数位置对照表中。
从所述数据模型中确定所述位置信息对应的参数名称,根据所述参数名称在解密的参数信息中查找对应的解密参数。
将查找到的解密参数加载到所述数据模型中与所述位置信息对应的位置。
上述图2、图3详细介绍了本发明的模型参数的安全保护方法,下面结合图4、图5对实现所述模型参数的安全保护方法的硬件装置架构进行介绍。
应所述了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
实施例三
图4是本发明实施例三提供的计算机装置示意图。
所述计算机装置1包括第一存储器20、第一处理器30以及存储在所述第一存储器20中并可在所述第一处理器30上运行的第一计算机程序40,例如模型参数的安全保护方法程序。所述第一处理器30执行所述第一计算机程序40时实现上述模型参数的安全保护方法实施例中的步骤,例如图2所示的步骤S11~S14。
所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图仅仅是计算机装置1的示例,并不构成对计算机装置1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。
所称第一处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述第一处理器30也可以是任何常规的处理器等,所述第一处理器30是所述计算机装置1的控制中心,利用各种接口和线路连接整个计算机装置1的各个部分。
所述第一存储器20可用于存储所述第一计算机程序40和/或模块/单元,所述第一处理器30通过运行或执行存储在所述第一存储器20内的计算机程序和/或模块/单元,以及调用存储在第一存储器20内的数据,实现所述计算机装置1的各种功能。所述第一存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外,第一存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
图5是本发明实施例三提供的安全保护装置的示意图。
所述安全保护装置2包括第二存储器50、第二处理器60以及存储在所述第二存储器50中并可在所述第二处理器60上运行的第二计算机程序70,例如模型参数的安全保护方法程序。所述第二处理器60执行所述第二计算机程序70时实现上述模型参数的安全保护方法实施例中的步骤,例如图3所示的步骤S21~S24。
所述安全保护装置2可以是智能手机、智能穿戴设备等计算设备。本领域技术人员可以理解,所述示意图仅仅是安全保护装置2的示例,并不构成对安全保护装置2的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述安全保护装置2还可以包括输入输出设备、网络接入设备、总线等。
所称第二处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述第二处理器60也可以是任何常规的处理器等,所述第二处理器60是所述计算机装置1的控制中心,利用各种接口和线路连接整个计算机装置1的各个部分。
所述第二存储器50可用于存储所述第二计算机程序70和/或模块/单元,所述第二处理器60通过运行或执行存储在所述第二存储器50内的计算机程序和/或模块/单元,以及调用存储在第二存储器50内的数据,实现所述计算机装置1的各种功能。所述第二存储器50可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据安全保护装置2的使用所创建的数据(比如音频数据、电话本等)等。此外,第二存储器50可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述安全保护装置2集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种模型参数的安全保护方法,所述方法应用于计算机装置中,所述计算机装置与至少一个安全保护装置进行通信连接,其特征在于,所述方法包括:
训练数据模型,并获取所述数据模型中的参数信息;
加密所述参数信息,并生成包括加密参数信息的配置文件;
发送所述配置文件至安全保护装置。
2.如权利要求1所述的模型参数的安全保护方法,其特征在于,所述参数信息包括:人工神经网络算法中神经元的权重和神经元的偏移值中的一种或多种。
3.如权利要求1所述的模型参数的安全保护方法,其特征在于,所述加密所述参数信息,并生成包括加密参数信息的配置文件的步骤包括:
对所述参数信息进行二值化处理;
调用编译程序中的加密算法对二值化的参数信息进行加密,其中所述加密算法包括对称加密算法和非对称加密算法。
4.如权利要求1所述的模型参数的安全保护方法,其特征在于,所述方法包括:
接收安全保护装置发出的发送配置文件的请求信息;
根据所述安全保护装置的账户信息,判断所述安全保护装置是否具备获取所述配置文件的权限;
若所述安全保护装置具备所述权限,将所述配置文件发送至所述安全保护装置。
5.一种计算机装置,其特征在于:所述计算机装置包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1-4中任一项所述的模型参数的安全保护方法。
6.一种模型参数的安全保护方法,所述方法应用于安全保护装置中,所述安全保护装置与计算机装置通信,其特征在于,所述方法包括:
接收所述计算机装置发送的配置文件;
查找所述配置文件中的已加密的参数信息;
获取解密密钥,解密所述参数信息;
在数据模型中配置所述参数信息。
7.如权利要求6所述的模型参数的安全保护方法,其特征在于,所述获取解密密钥,解密所述参数信息的步骤包括:
接收计算机装置发送的解密密钥,利用所述解密密钥对所述参数信息进行解密。
8.如权利要求6所述的模型参数的安全保护方法,其特征在于,所述获取解密密钥,解密所述参数信息的步骤还包括:
查找预设的解密程序,对所述参数信息进行解密。
9.如权利要求6所述的模型参数的安全保护方法,其特征在于,所述在数据模型中配置所述参数信息的步骤包括:
在数据模型的参数及参数位置对照表中,获取参数的位置信息;
从所述数据模型中确定所述位置信息对应的参数名称,根据所述参数名称在解密的参数信息中查找对应的解密参数;
将查找到的解密参数加载到所述数据模型中与所述位置信息对应的位置。
10.一种安全保护装置,其特征在于,所述装置包括:
存储器:用于存储计算机程序;
处理器:执行所述存储器中的计算机程序时实现如权利要求6-9中任一项所述的模型参数的安全保护方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462503.6A CN113742738A (zh) | 2020-05-27 | 2020-05-27 | 模型参数的安全保护方法、安全保护装置及计算机装置 |
US17/195,883 US11829476B2 (en) | 2020-05-27 | 2021-03-09 | Computing device and model parameters security protection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462503.6A CN113742738A (zh) | 2020-05-27 | 2020-05-27 | 模型参数的安全保护方法、安全保护装置及计算机装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113742738A true CN113742738A (zh) | 2021-12-03 |
Family
ID=78706275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010462503.6A Pending CN113742738A (zh) | 2020-05-27 | 2020-05-27 | 模型参数的安全保护方法、安全保护装置及计算机装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11829476B2 (zh) |
CN (1) | CN113742738A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230208639A1 (en) * | 2021-12-27 | 2023-06-29 | Industrial Technology Research Institute | Neural network processing method and server and electrical device therefor |
CN115604018B (zh) * | 2022-11-02 | 2023-05-05 | 广东网安科技有限公司 | 一种网络安全监控方法、系统、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201117042A (en) * | 2009-11-05 | 2011-05-16 | Hon Hai Prec Ind Co Ltd | Computing system and method for encrypting files |
US20110246768A1 (en) * | 2010-04-06 | 2011-10-06 | King Saud University | Systems and methods improving cryptosystems with biometrics |
US20110285504A1 (en) * | 2008-11-28 | 2011-11-24 | Sergio Grau Puerto | Biometric identity verification |
CN109040091A (zh) * | 2018-08-17 | 2018-12-18 | 中科物栖(北京)科技有限责任公司 | 深度神经网络模型的加密方法及装置 |
CN109495254A (zh) * | 2018-12-05 | 2019-03-19 | 广东工业大学 | 一种可搜索对称加密方法、装置及设备 |
CN109687952A (zh) * | 2018-11-16 | 2019-04-26 | 创新奇智(重庆)科技有限公司 | 数据处理方法及其装置、电子装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI655587B (zh) | 2015-01-22 | 2019-04-01 | 美商前進公司 | 神經網路及神經網路訓練的方法 |
US10956584B1 (en) * | 2018-09-25 | 2021-03-23 | Amazon Technologies, Inc. | Secure data processing |
-
2020
- 2020-05-27 CN CN202010462503.6A patent/CN113742738A/zh active Pending
-
2021
- 2021-03-09 US US17/195,883 patent/US11829476B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110285504A1 (en) * | 2008-11-28 | 2011-11-24 | Sergio Grau Puerto | Biometric identity verification |
TW201117042A (en) * | 2009-11-05 | 2011-05-16 | Hon Hai Prec Ind Co Ltd | Computing system and method for encrypting files |
US20110246768A1 (en) * | 2010-04-06 | 2011-10-06 | King Saud University | Systems and methods improving cryptosystems with biometrics |
CN109040091A (zh) * | 2018-08-17 | 2018-12-18 | 中科物栖(北京)科技有限责任公司 | 深度神经网络模型的加密方法及装置 |
CN109687952A (zh) * | 2018-11-16 | 2019-04-26 | 创新奇智(重庆)科技有限公司 | 数据处理方法及其装置、电子装置及存储介质 |
CN109495254A (zh) * | 2018-12-05 | 2019-03-19 | 广东工业大学 | 一种可搜索对称加密方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
US20210374271A1 (en) | 2021-12-02 |
US11829476B2 (en) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457912B (zh) | 数据处理方法、装置和电子设备 | |
US20240113858A1 (en) | Systems and Methods for Performing Secure Machine Learning Analytics Using Homomorphic Encryption | |
CN107241364B (zh) | 文件下载方法及装置 | |
CN113312667B (zh) | 一种风险防控方法、装置及设备 | |
CN108038128B (zh) | 一种加密文件的检索方法、系统、终端设备及存储介质 | |
CN107516534A (zh) | 一种语音信息的比对方法、装置及终端设备 | |
CN113742738A (zh) | 模型参数的安全保护方法、安全保护装置及计算机装置 | |
TWI782502B (zh) | 資訊驗證方法、裝置及設備 | |
CN111985921B (zh) | 基于区块链离线支付的验证处理方法及数字金融服务平台 | |
CN110365626B (zh) | 防撞库的用户登录安全认证方法、终端设备及存储介质 | |
CN112800467B (zh) | 基于数据隐私保护的在线模型训练方法、装置以及设备 | |
CN114896603A (zh) | 一种业务处理方法、装置及设备 | |
CN114638005A (zh) | 基于区块链的数据处理方法、装置及系统、存储介质 | |
CN114329644A (zh) | 对逻辑系统设计进行加密仿真的方法、设备及存储介质 | |
CN113792307A (zh) | 印章管理方法、装置及电子设备 | |
CN112307477A (zh) | 代码检测方法、装置、存储介质以及终端 | |
CN111260080A (zh) | 基于机器学习的流程优化方法、装置、终端及存储介质 | |
CN111104693A (zh) | 一种Android平台软件数据破解方法、终端设备及存储介质 | |
CN115758432A (zh) | 一种基于机器学习算法的全方位数据加密方法及系统 | |
CN115442021A (zh) | 一种数据匹配方法、装置、系统、设备及介质 | |
CN114553516A (zh) | 一种数据的处理方法、装置及设备 | |
TW202145040A (zh) | 模型參數的安全保護方法、安全保護裝置及電腦裝置 | |
CN113259348A (zh) | 异构数据处理方法、装置、计算机设备及存储介质 | |
CN112580009A (zh) | 大数据系统中对用户身份进行认证的方法、装置及相关产品 | |
CN110852083A (zh) | 一种短信模板的生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |