[发明专利]人工智能AI模型的运行方法和装置

权利要求书

1.一种人工智能AI模型的运行方法，其特征在于，包括：

在丰富执行环境REE中，获取所述AI模型的输入数据以及所述AI模型的第二模型参数，所述第二模型参数是在第一可信执行环境TEE中，通过对所述AI模型的第一模型参数采用矩阵加法或者矩阵加法结合乘法的方式进行加密得到的，所述第一模型参数与所述第二模型参数为对所述输入数据进行线性运算使用的模型参数；

在所述REE中，基于所述AI模型以及所述第二模型参数，对所述输入数据进行数据处理，得到输出数据；

在第二可信执行环境TEE中，对所述输出数据进行解密，得到解密后的输出数据。

2.如权利要求1所述的运行方法，其特征在于，所述运行方法还包括：

在所述第一可信执行环境TEE中，根据第一加密矩阵β'，通过公式W′＝W+β'对所述第一模型参数W进行加密，得到所述第二模型参数W′，其中，所述第一模型参数W为n×m的矩阵，所述第一加密矩阵β'为n×m的矩阵，n和m为正整数。

3.如权利要求1所述的运行方法，其特征在于，所述运行方法还包括：

在所述第一可信执行环境TEE中，根据第二加密矩阵α和第三加密矩阵β，通过公式Q'＝Wα+β对所述第一模型参数W进行加密，得到所述第二模型参数Q'，其中，所述第一模型参数W为n×m的矩阵，所述第二加密矩阵α为m×m的可逆矩阵，所述第三加密矩阵β为n×m的矩阵，所述第二模型参数Q'为n×m的矩阵，n和m为正整数。

4.如权利要求3所述的运行方法，其特征在于，所述第三加密矩阵β＝(γ,b₁γ,…,b_m-1γ)，b₁,…,b_m-1为标量，γ为n×1的列向量。

5.如权利要求3或4所述的运行方法，其特征在于，所述第二加密矩阵α为对角矩阵。

6.如权利要求2所述的运行方法，其特征在于，所述第一加密矩阵β'＝(γ',c₁γ',…,c_m-1γ')，c₁,…,c_m-1为标量，γ'为n×1的列向量。

7.一种人工智能AI模型的运行装置，其特征在于，包括：

获取模块，用于在丰富执行环境REE中，获取所述AI模型的输入数据以及所述AI模型的第二模型参数，所述第二模型参数是在第一可信执行环境TEE中，通过对所述AI模型的第一模型参数采用矩阵加法或者矩阵加法结合乘法的方式进行加密得到的，所述第一模型参数与所述第二模型参数为对所述输入数据进行线性运算使用的模型参数；

处理模块，用于在所述REE中，基于所述AI模型以及所述第二模型参数，对所述输入数据进行数据处理，得到输出数据；

所述处理模块，用于在第二可信执行环境TEE中，对所述输出数据进行解密，得到解密后的输出数据。

8.如权利要求7所述的运行装置，其特征在于，所述处理模块，还用于：

在所述第一可信执行环境TEE中，根据第一加密矩阵β'，通过公式W′＝W+β'对所述第一模型参数W进行加密，得到所述第二模型参数W′，其中，所述第一模型参数W为n×m的矩阵，所述第一加密矩阵β'为n×m的矩阵，n和m为正整数。

9.如权利要求7所述的运行装置，其特征在于，所述处理模块，还用于：

在所述第一可信执行环境TEE中，根据第二加密矩阵α和第三加密矩阵β，通过公式Q'＝Qα+β对所述第一模型参数Q进行加密，得到所述第二模型参数Q'，其中，所述第一模型参数Q为n×m的矩阵，所述第二加密矩阵α为m×m的可逆矩阵，所述第三加密矩阵β为n×m的矩阵，所述第二模型参数Q'为m×m的矩阵，n和m为正整数。