CN116541834A - 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法 - Google Patents

恶意模型切片溯源方法和恶意模型切片传播路径溯源方法 Download PDF

Info

Publication number
CN116541834A
CN116541834A CN202210095163.7A CN202210095163A CN116541834A CN 116541834 A CN116541834 A CN 116541834A CN 202210095163 A CN202210095163 A CN 202210095163A CN 116541834 A CN116541834 A CN 116541834A
Authority
CN
China
Prior art keywords
malicious model
score
malicious
model slice
slice
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
Application number
CN202210095163.7A
Other languages
English (en)
Inventor
董辰
陈梦颖
许晓东
韩书君
王碧舳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202210095163.7A priority Critical patent/CN116541834A/zh
Publication of CN116541834A publication Critical patent/CN116541834A/zh
Pending legal-status Critical Current

Links

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
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • 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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • 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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/554—Detecting local intrusion or implementing counter-measures involving event detection and direct action
    • 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
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/561—Virus type analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Virology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请公开了恶意模型切片溯源和恶意模型切片传播路径溯源方法、装置和存储介质，涉及网络技术领域，尤其涉及恶意模型切片溯源、恶意模型切片传播路径溯源方法、装置和存储介质领域。具体实现方案为：恶意模型切片溯源的方法，包括：将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；选取所述分值最高的发送端作为新的接收端；依次重复上述步骤，获得最终分值最高的发送端；将所述最终分值最高的发送端作为所述恶意模型切片的源头。本申请的技术方案简单、明了，有利于各种通过网络传播的数据的溯源和传播路径的溯源。

Description

恶意模型切片溯源方法和恶意模型切片传播路径溯源方法
技术领域
本公开涉及网络技术领域，尤其涉及恶意模型切片溯源方法和恶意模型切片传播路径溯源方法、装置和存储介质。
背景技术
在未来的万物智联网络中，网络节点趋向于智能化，网络节点极智导致了信息空间快速扩张、甚至维度灾难，加剧了表征信息承载空间的难度，导致传统的网络服务能力与高维信息空间难以匹配，通信传输的数据量过大，信息业务服务系统无法持续满足人们复杂、多样和智能化信息传输的需求。而通过人工智能模型来编码、传播、解码业务信息，可显著降低通信业务中的数据传输量，极大地提升了信息传输效率。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费。
在传统网络领域的网络风险，比如谣言，网络病毒、木马等。为了应对这些网络风险，在网络中通过技术手段追溯到它们传播路径乃至源头十分有必要。从技术层面来讲，这类研究可称之为源头追溯问题，其目的就是基于有限的网络结构知识和部分节点的安全状态来定位消息或者网络风险的传播源头。目前主流的追踪溯源技术包括标注法、数字水印等。
(1)标注法通过记录处理相关的信息来追溯数据的历史状态，即用标注的方式来记录原始数据的一些重要信息，并让标注和数据一起传播，通过查看目标数据的标注来获得数据的溯源。但可能导致元数据比原始数据还多，需要额外的存储空间，对存储造成很大的压力，而且效率低。
(2)数字水印同样是为了保持对分发后的数据进行流向追踪的技术,在数据泄露行为发生后，对造成数据泄露的源头可进行回溯。对于结构化数据，在分发数据中掺杂不影响运算结果的数据，采用增加伪行、增加伪列等方法,拿到泄密数据的样本,可追溯数据泄露源。对于非结构化数据,数字水印可以应用于数字图像、音频、视频、打印、文本、条码等数据信息中，在数据外发的环节加上隐蔽标识水印，可以追踪数据扩散路径。但目前的数字水印方案不能满足数据量巨大、更新速度极快的数据溯源。
而在未来的万物智联网络内，网络风险不仅表现为谣言、网络病毒、木马等，更表现为恶意模型。恶意模型的存在对网络服务造成了负面影响。恶意模型一般是出于恶意目的而人为制造的人工智能模型。例如，制造者获取网络节点信息之后制造了恶意模型，用于非法获取信息，或者散步虚假信息；又例如，在一种类似DoS攻击的情况下，制造大量恶意模型，占据网络中模型多数，稀释了有用模型，致使真正要使用的模型淹没其中。
因此，如何在网络中对包括恶意模型在内的网络数据进行追溯，是未来网络恶意数据和行为检测和处理的一大技术问题。目前国内尚无针对网络中恶意模型检测的有效解决方法。
发明内容
本公开提供了一种适用于数据溯源的用于恶意模型切片、恶意模型切片传播路径溯源方法、装置和存储介质。
根据本公开的第一方面，提供了一种恶意模型切片溯源的方法，包括：
将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
选取所述分值最高的发送端作为新的接收端；
依次重复上述步骤，获得最终分值最高的发送端；
将所述最终分值最高的发送端作为所述恶意模型切片的源头。
优选的，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端；所述N、M均为正整数。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
优选的，所述比值越高，则所述分值越高。
根据本公开的第二方面，还提供一种恶意模型切片传播路径溯源的方法，包括：
将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
选取所述分值最高的发送端作为新的接收端；
依次重复上述步骤，获得最终分值最高的发送端；
将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
根据本公开的第三方面，还提供一种恶意模型切片溯源的装置，包括：
第一连接模块：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第一赋分模块：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第一选择模块：用于选取所述分值最高的发送端作为新的接收端；
第一循环模块：用于依次重复上述步骤，获得最终分值最高的发送端；
第一确定模块：用于将所述最终分值最高的发送端作为所述恶意模型切片的源头。
优选的，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端；所述N、M均为正整数。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
优选的，所述比值越高，则所述分值越高。
根据本公开的第四方面，还提供一种恶意模型切片传播路径溯源的装置，包括：
第二连接模块：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第二赋分模块：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第二选择模块：用于选取所述分值最高的发送端作为新的接收端；
第二循环模块：用于依次重复上述步骤，获得最终分值最高的发送端；
第二确定模块：用于将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
根据本公开的第五方面，还提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述技术方案中任一项所述的方法。
根据本公开的第六方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述技术方案中任一项所述的方法。
根据本公开的第七方面，还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述技术方案中任一项所述的方法。
有益效果：
本公开的技术方案可以用于恶意模型切片溯源和恶意模型切片传播路径溯源，有利于查找恶意模型切片的发起源头和传播路径，为防止恶意数据，尤其是病毒数据、恶意模型的传播提供了很好的解决思路。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一种恶意模型切片溯源的方法的示意图；
图2是根据本公开一种恶意模型切片传播路径溯源的方法的示意图；
图3是根据本公开一种恶意模型切片溯源的装置的示意图；
图4是根据本公开一种恶意模型切片传播路径溯源的装置的示意图；
图5是根据本公开网络节点的构成图；
图6是根据本公开网络节点询问做标记的示意图；
图7是根据本公开网络节点赋予分值的示意图；
图8是根据本公开网络节点二次询问的示意图；
图9是用来实现本公开实施例的网络数据溯源的方法的电子设备的框图。
附图标记说明：
1 一种恶意模型切片溯源的装置
2 一种恶意模型切片传播路径溯源的装置
101 第一连接模块 102 第一赋分模块
103 第一选择模块 104 第一循环模块
105 第一确定模块
201 第二连接模块 202 第二赋分模块
203 第二选择模块 204 第二循环模块
205 第二确定模块
900 电子设备 901 计算单元
902 只读存储器 903 随机访问存储器
904 总线 905 I/O接口
906 输入单元 907 输出单元
908 存储单元 909 通信单元
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本发明主要提供一种应用于智简网络中的方法和装置，智简网络中主要通过人工智能模型传播业务信息，通过使用人工智能模型将待传播的第一业务信息压缩为与所述人工智能模型相关的第二业务信息，极大地降低了网络中的数据通信量，压缩效率远超传统的压缩算法。其中，所述发送端设备利用预先配置的第一模型对所述第一业务信息进行提取并得到待传输的第二业务信息；所述发送端设备向接收端设备传输所述第二业务信息。所述接收端设备接收所述第二业务信息，并利用预先配置的第二模型对所述第二业务信息进行恢复处理得到第三业务信息；经第二模型恢复的第三业务信息比起原先的第一业务信息会有些许质量上的差异，但两者在内容上是一致的，给用户的体验几乎是无差异的。在所述发送端设备向接收端设备传输所述第二业务信息之前，还包括：更新模块判断所述接收端设备是否需要对所述第二模型进行更新，并在判断需要更新时向所述接收端设备传输预先配置的第三模型，所述接收端设备利用所述第三模型对所述第二模型进行更新。通过预先训练好的人工智能模型对业务信息进行处理，可显著降低通信业务中的数据传输量，极大地提升了信息传输效率。这些模型相对稳定，并具有复用性、传播性。模型的传播和复用将有助于增强网络智能，同时降低开销和资源浪费。
本公开提供了一种适用于恶意模型切片溯源的用于恶意模型切片、恶意模型切片传播路径溯源方法、装置和存储介质
如图1所示，根据本公开的一方面，提供了一种恶意模型切片溯源的方法，包括：
S101：将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；所述“网络”即为具有类似网状连接的，由路由节点和具有数据处理功能的计算设备构成的通讯结构。恶意模型切片溯源，即为：当网络中的某个计算设备或者路由节点发出了恶意模型切片后，该数据网络中传播了一段时间后，接收到该恶意模型切片的接收端通过一定的方法找到该恶意模型切片的发送端的一种算法。本技术方案提出的方法，就是基于所述接收到恶意模型切片的接收端开始搜寻恶意模型切片的发送端；由于接收端处于网络中，与多个计算设备和节点具有连接关系；所述连接关系，即该接收端可以接收来自所述多个计算设备和节点的数据，也可以发送自身的数据给所述多个计算设备和节点；表明所述网状结构的每个计算设备和节点之间的数据是可以双向传播的。由于上述提到的网状结构的通讯结构，使得所述网络数据可以经过多种路径到达接收端，在达到接收端以后，再重组恢复到发送端发出所述恶意模型切片的原始状态。因为，在恶意模型切片溯源的开始阶段，由于不清楚恶意模型切片开始的时候，是从哪个计算设备或节点发出的，所有，就需要和接收端与至少一个发送端、即至少一个计算设备或节点建立联系，询问这些建立了联系的计算设备或节点，是否发出了所述网络数据。
S102：对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；与所述数据的发送端建立连接后，仍然无法确定恶意模型切片是从哪个发送端发送而来的。需要通过分值高的发送端来判断。由于通讯结构为网状结构，所述发送端可能被选中多次，即被赋予分值多次，这是不符合我们的计算规则的，需要将多次赋值的发送端剔除。
S103：选取所述分值最高的发送端作为新的接收端；从分值高的发送端中开始下一步的溯源；将分值最高的发送端作为新的接收端。
S104：依次重复上述步骤，获得最终分值最高的发送端；以上是一个循环步骤，通过上述循环迭代，可以最终获得网络数据发出的发送端。
S105：将所述最终分值最高的发送端作为所述恶意模型切片的源头。
优选的，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端。恶意模型通常是由N个恶意模型切片构成的，即将准备发送的恶意模型分解成N个部分。通过M个发送端发到网状结构的通讯结构中，然后，所述N个部分的数据以多种组合的方式通过M个发送端经由网状结构的通讯结构传播，直至最后在接收端重组恢复成所述恶意模型或恶意模型切片。所述N、M是正整数。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。由于最初的发送端需要将恶意模型分成N个，然后通过多种组合发送给M个计算设备或节点，因此，在网络中传播的时候，每个计算设备或者节点拥有的N个恶意模型切片中的不同个数的恶意模型切片，所以，任意一个接收端收到的恶意模型切片的个数也是不一定的。本实施例主要是为了恶意模型切片溯源的需求，从最后的接收端往前推导，求出最开始的发送端。在此过程中，将接收端接收到的恶意模型切片与所述发送端发送的恶意模型切片的相似度来决定分值。举例，如果A计算设备或节点从0、1、2、3节点接收到了不同的恶意模型切片；0～3节点各自谁发出的恶意模型切片与所述A计算设备或节点接收到的恶意模型切片相似度最高，则获得的分值最高；相似度次之，则分值次之；相似度最小，则分值最小。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
优选的，所述比值越高，则所述分值越高。分值最高的发送端被保留下来，作为恶意模型切片溯源的新的接收端。
优选的，具体实施例如下：
假设A点为最终的接收端或者为传播路径中的某一个接收端；如果A点为最终的接收端，则A点拥有的恶意模型切片是发送端发出的所有原始恶意模型切片；如果A点为传播路径中的某一个接收端，那么A点只拥有部分的恶意模型切片。
假设所述恶意模型切片为恶意模型中的模型切片1～4；所谓恶意模型，就是非正常模型，该非正常模型不是由正常的处理数据的模型构成，是用于混淆网络传输正常模型的模型。
当所述A点收到了恶意模型切片1～4，如图5所示，并且该A点周围具有节点B、C、D、E节点。那么A节点询问B、C、D、E节点哪些切片是从他们处获得的。例如：假设B结点回复A节点未传播过任一切片，C结点回复A节点传播过切片1～4，D结点回复A节点传播过切片1～5，E结点回复A节点传播过切片1～3。如图6所示，同时被询问过的结点做个标记flag＝1，避免二次询问。
同时，为各节点赋予分值，所传播的恶意模型切片与A节点一致性越高，即相似度越高，则赋予分值越高。从上述例子中可见，节点D的分值最高。
赋予分值的规则如下：发送恶意模型切片的结点传播的恶意模型切片个数÷接收恶意模型切片的结点传播的恶意模型切片个数；举例：如图7所示，节点D的分值为：5÷4＝1.25。节点B的分值为0÷4＝0；节点C的分值为4÷4＝1；节点E的分值为3÷4＝0.75；所以，节点分值排列为：D点分值>C点分值>E点分值>B点分值。
如图8所示，此时，可以选择出D节点是分值最高的节点。由于，D节点只是网络中的一个节点，还不是最初的发出恶意模型的发送端，所以，再重复上述步骤，即：将D节点作为接收端的节点，询问与D节点连接的其他节点，是否发送过哪些切片给D节点。当然，询问与D节点连接的其他节点不包含B、C、E节点。即已被询问过的节点，不会被再次询问。所以，此时D节点向G、H点询问。
重复上述步骤，即可得到恶意模型切片最初的发送端。
如图2所示，根据本公开的另一方面，提供了一种网络数据传播路径溯源的方法，包括：
S201：将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
S202：对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
S203：选取所述分值最高的发送端作为新的接收端；
S204：依次重复上述步骤，获得最终分值最高的发送端；
S205：将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
如图3所示，根据本公开的第三方面，提供了一种网络数据溯源的装置1，包括：
第一连接模块101：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第一赋分模块102：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第一选择模块103：用于选取所述分值最高的发送端作为新的接收端；
第一循环模块104：用于依次重复上述步骤，获得最终分值最高的发送端；
第一确定模块105：用于将所述最终分值最高的发送端作为所述恶意模型切片的源头。
优选的，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端；所述N、M均为正整数。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。
优选的，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
优选的，所述比值越高，则所述分值越高。
如图4所示，根据本公开的第四方面，提供了一种恶意模型切片传播路径溯源的装置2，包括：
第二连接模块201：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第二赋分模块202：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第二选择模块203：用于选取所述分值最高的发送端作为新的接收端；
第二循环模块204：用于依次重复上述步骤，获得最终分值最高的发送端；
第二确定模块205：用于将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
根据本公开的第五方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法中任一项所述的方法。
根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述方法中任一项所述的方法。
根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述方法中任一项所述的方法。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如恶意模型切片溯源和恶意模型切片传播路径溯源方法。例如，在一些实施例中，恶意模型切片溯源和恶意模型切片传播路径溯源方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的恶意模型切片溯源和恶意模型切片传播路径溯源方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行恶意模型切片溯源和恶意模型切片传播路径溯源方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种恶意模型切片溯源的方法，其特征在于，包括：
将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
选取所述分值最高的发送端作为新的接收端；
依次重复上述步骤，获得最终分值最高的发送端；
将所述最终分值最高的发送端作为所述恶意模型切片的源头。
2.根据权利要求1所述的方法，其特征在于，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端；所述N、M均为正整数。
3.根据权利要求1所述的方法，其特征在于，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。
4.根据权利要求1所述的方法，其特征在于，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
5.根据权利要求4所述的方法，其特征在于，所述比值越高，则所述分值越高。
6.一种恶意模型切片传播路径溯源的方法，其特征在于，包括：
将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
选取所述分值最高的发送端作为新的接收端；
依次重复上述步骤，获得最终分值最高的发送端；
将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
7.一种恶意模型切片溯源的装置，其特征在于，包括：
第一连接模块：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第一赋分模块：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第一选择模块：用于选取所述分值最高的发送端作为新的接收端；
第一循环模块：用于依次重复上述步骤，获得最终分值最高的发送端；
第一确定模块：用于将所述最终分值最高的发送端作为所述恶意模型切片的源头。
8.根据权利要求7所述的装置，其特征在于，N个所述恶意模型切片构成恶意模型，所述恶意模型由M个发送端发送到所述接收端；所述N、M均为正整数。
9.根据权利要求7所述的装置，其特征在于，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的相似度来决定所述分值。
10.根据权利要求7所述的装置，其特征在于，根据所述发送端发送的恶意模型切片与所述接收端接收到的恶意模型切片的比值来决定所述分值。
11.根据权利要求10所述的装置，其特征在于，所述比值越高，则所述分值越高。
12.一种恶意模型切片传播路径溯源的装置，其特征在于，包括：
第二连接模块：用于将接收到恶意模型切片的接收端与发送过至少一个所述恶意模型切片的发送端建立联系；
第二赋分模块：用于对每个所述发送端赋予分值，并且，只能对每个所述发送端赋予分值一次；
第二选择模块：用于选取所述分值最高的发送端作为新的接收端；
第二循环模块：用于依次重复上述步骤，获得最终分值最高的发送端；
第二确定模块：用于将相邻的每次所述分值最高的发送端连接在一起，将所述连接在一起的路径作为所述恶意模型切片传播的路径。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
CN202210095163.7A 2022-01-26 2022-01-26 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法 Pending CN116541834A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210095163.7A CN116541834A (zh) 2022-01-26 2022-01-26 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210095163.7A CN116541834A (zh) 2022-01-26 2022-01-26 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法

Publications (1)

Publication Number Publication Date
CN116541834A true CN116541834A (zh) 2023-08-04

Family

ID=87451133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210095163.7A Pending CN116541834A (zh) 2022-01-26 2022-01-26 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法

Country Status (1)

Country Link
CN (1) CN116541834A (zh)

Similar Documents

Publication Publication Date Title
WO2014131299A1 (en) Method, system, server and client device for message synchronizing
CN112866391A (zh) 消息推送方法、装置、电子设备及存储介质
CN115883187A (zh) 网络流量数据中的异常信息识别方法、装置、设备和介质
CN113067860B (zh) 用于同步信息的方法、装置、设备、介质和产品
CN113312560B (zh) 群组检测方法、装置及电子设备
CN113904943A (zh) 账号检测方法、装置、电子设备和存储介质
CN116541834A (zh) 恶意模型切片溯源方法和恶意模型切片传播路径溯源方法
RU2731122C1 (ru) Способ, система и устройство для отображения текста
CN115242839A (zh) 物联网级联数据传输方法、装置、电子设备和存储介质
CN114239963A (zh) 有向图循环路径检测方法及装置
CN113691403A (zh) 拓扑节点配置方法、相关装置及计算机程序产品
CN115600671B (zh) 深度学习框架的数据处理方法、装置、设备和存储介质
CN116541836A (zh) 恶意模型溯源的方法、装置、设备以及存储介质
CN114528444B (zh) 图数据处理方法、装置、电子设备和存储介质
CN114791996B (zh) 信息处理方法、装置、系统、电子设备及存储介质
CN116341023B (zh) 基于区块链的业务地址验证方法、装置、设备及存储介质
CN113591088B (zh) 一种标识识别方法、装置及电子设备
CN114449031B (zh) 信息获取方法、装置、设备和存储介质
CN116541833A (zh) 针对网络恶意模型的处理方法、装置和存储介质
CN116546586A (zh) 基于网络物理层安全的数据传输方法、系统、设备及介质
CN116527498A (zh) 模型传输方法、装置、电子设备及存储介质
CN116451648A (zh) 一种报文关键字匹配方法、装置、设备及存储介质
CN116614383A (zh) 模型更新方法、装置、电子设备及存储介质
CN117914819A (zh) 聊天机器人菜单的显示方法、装置及系统
CN115914380A (zh) 基于Zlib压缩算法的云计算资源管理器通信延迟优化方法

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