[发明专利]用于由数据处理加速器处理数据的方法及数据处理加速器

说明书

本公开的实施例涉及一种用于由数据处理(DP)加速器处理数据的方法、数据处理加速器、数据处理系统以及机器可读介质。所述方法包括：通过所述DP加速器基于预定的准则集合训练水印算法，其中训练所述水印算法以生成所述水印算法的变体；以及在运行时间使用所述水印算法的变体配置水印单元，以使得所述水印算法被所述DP加速器使用。

技术领域

本公开的实施例一般涉及机器学习模型训练和推断。更具体地，本公开的实施例涉及一种用于由数据处理(DP)加速器处理数据的方法、数据处理加速器、数据处理系统以及机器可读介质。

背景技术

机器学习模型最近已被广泛使用，因为人工智能(AI)技术已被部署在诸如图像分类或自主驾驶等各种领域中。类似于软件应用程序的可执行映像或二进制映像，机器学习模型(也称为人工智能(AI)模型)在被训练时可基于特征的集合执行推断以对特征进行分类。结果，机器学习模型可以是“可移植的”并且在未经授权的情况下使用。目前，对于机器学习模型缺乏有效的数字权利保护。另外，对于使用委托给诸如处理(DP)加速器或远程系统等辅助处理系统的AI模型的处理任务，缺乏DP加速器系统产生的结果受“可信根”系统保护的证据。

发明内容

本公开旨在提供一种用于由数据处理(DP)加速器处理数据的方法、数据处理加速器、数据处理系统以及机器可读介质。

根据本公开的一个方面，提供了一种用于由数据处理(DP)加速器处理数据的方法，所述方法包括：通过所述DP加速器基于预定的准则集合训练水印算法，其中训练所述水印算法以生成所述水印算法的变体；以及在运行时间使用所述水印算法的变体配置水印单元，以使得所述水印算法被所述DP加速器使用。

根据本公开的另一个方面，提供了一种数据处理(DP)加速器，包括：水印单元；以及水印算法训练器，用于基于预定的准则集合训练水印算法，其中训练所述水印算法以生成所述水印算法的变体。在运行时间使用所述水印算法的变体配置水印单元，以使得所述水印算法被所述DP加速器使用。

根据本公开的另一个方面，提供了一种数据处理系统，包括：处理器；以及连接到所述处理器以存储指令的存储器，所述指令在由所述处理器执行时使得所述处理器执行如上文或下文所述的用于由数据处理(DP)加速器处理数据的方法。

根据本公开的另一个方面，提供了一种具有存储在其中的指令的非暂时性机器可读介质，所述指令在由处理器执行时使得所述处理器执行如上文或下文所述的用于由数据处理(DP)加速器处理数据的方法。

附图说明

在附图的各图中通过示例而非限制的方式示出本公开的实施例，在附图中相似的附图标记指示相似的元件。

图1是示出根据一个实施例的用于主机与数据处理(DP)加速器之间的通信的系统配置的示例的框图。

图2是示出根据一个实施例的与数据处理(DP)加速器通信的主机服务器的示例的框图。

图3是示出根据一个实施例的与数据处理加速器通信的主机的框图。

图4是示出根据一个实施例的对嵌入有水印的AI模型签名的过程的流程图。

图5是示出根据一个实施例的由DP加速器执行的方法的流程图。

图6是示出根据一个实施例的由应用程序执行的方法的流程图。

图7是示出根据一个实施例的具有可配置水印单元的DP加速器的框图。

图8是示出根据一个实施例的使用水印算法配置水印单元的过程的流程图。

图9是示出根据一个实施例的由DP加速器执行的方法的流程图。

图10是示出根据一个实施例的具有水印算法训练器的DP加速器的框图。