申请/专利权人:南京信息工程大学
申请日:2024-03-19
公开(公告)日:2024-05-17
公开(公告)号:CN117909940B
主分类号:G06F21/12
分类号:G06F21/12;H04L9/06;H04L9/08;G06V10/82;G06V10/96;G06N3/0464;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.05.17#授权;2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开一种基于泰勒展开的分层加密DNN主动保护方法及系统,属于计算机视觉应用领域;方法包括:从训练集中抽取加密集图像,随机选择模型中的卷积层,将加密集图模型使用泰勒展开的方法近似估计修改参数得到的损失变化作为卷积层的输出值,得到参数的重要度分数和排序后重要参数集合;使用pytorch内置函数对加密层的参数数值分布进行统计,得到需要加密的层的参数值与位置分布,并对参数值排序得到最大、最小参数值;计算得到需要加密的参数集合;对需要加密的参数集合根据重要度分数划分4个参数集合,并使用AES算法分别对4个参数集合中的子集加密,对应得到4个加密集合;对4个加密集合进行组合分配,得到不同用户权限。
主权项:1.一种基于泰勒展开的分层加密DNN主动保护方法,其特征在于,包括以下步骤:从预训练模型的训练集中抽取部分标记图像作为加密集图像;随机选择预训练模型中的卷积层;将训练集中的加密集图像输入预训练模型中,并使用泰勒展开的方法近似估计修改参数得到的损失变化作为卷积层的输出值,得到参数的重要度分数,再根据参数的重要度分数来进行排序,得到排序后重要参数集合;使用pytorch内置函数对加密层的参数数值分布进行统计,得到需要加密的层的参数值V与位置分布L,并对参数值V排序,得到最大参数值和最小参数值;基于重要参数集合和最大参数值与最小参数值,计算得到需要加密的参数集合;对需要加密的参数集合根据重要度分数划分为4个参数集合,并使用AES算法分别对4个参数集合中的子集进行加密,对应得到4个加密集合;对4个加密集合进行组合分配,得到不同的用户权限;卷积层输出的表达式为: 式中,是没有修改参数i的原始损失函数;为修改参数i得到的损失变化,为参数i产生的输出,为损失的变化量,为参数修改的变化量;计算得到需要加密的参数集合的过程为:根据排序后的重要参数集合挨个计算每个重要参数对于最大参数值或最小参数值差值,取差值最大值作为加密前的数值;得到的需要加密的参数集合为;其中,L1、L2......Ln表示加密参数集中对应每个加密参数所处的层以及层内的位置,F1、F2......Fn表示每个加密参数的标志位。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于泰勒展开的分层加密DNN主动保护方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。