• • 下一篇
段新涛1,保梦茹1,武银行1,秦川2
摘要: 摘 要: 基于深度神经网络(DNN)的模型以其优越的性能得到了广泛的应用,但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等,如果非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产权问题,提出一种DNN模型主动保护方法。该方法使用一种新的综合性权重选择策略精准定位模型中重要权重,并结合DNN模型卷积层的结构特点,在三维混沌系统的基础上,首次引入四维Chen混沌系统对卷积层少量权重进行位置置乱加密。同时,为解决授权用户即使拥有密钥也无法解密的问题,还结合了椭圆曲线加密算法构建加密模型数字签名方案。加密后,权重位置和混沌序列的初始值复合形成加密密钥,授权用户可以使用密钥正确解密DNN模型,未被授权的攻击者即使截获了DNN模型也无法正常使用。实验结果表明,通过对分类模型少量权重位置进行置乱能显著降低分类精度,并且解密模型可以实现无损恢复。此外,该方法能够抵抗微调和剪枝攻击,密钥具有较强的敏感性并能抵抗暴力攻击。通过实验验证了该方法不仅对图像分类模型有效,还能保护深度图像隐写模型和目标检测模型,具有可迁移性。
中图分类号: