[发明专利]基于后门水印的深度学习模型加密方法和装置

权利要求书

1.一种基于后门水印的深度学习模型加密方法，其特征在于，包括以下步骤：

获取正常样本，利用正常样本训练深度学习模型，统计训练好的深度学习模型每个神经元的激活值，并从中选择处在激活临界的若干个神经元作密码神经元并记录；

根据记录固定密码神经元的激活值不变，利用正常样本对深度学习模型再训练；利用扰乱样本对深度学习模型再训练，以优化所有神经元的激活值，实现对深度学习模型的加密，其中，将正常样本的标签做翻转得到扰乱样本。

2.如权利要求1所述的基于后门水印的深度学习模型加密方法，其特征在于，所述统计训练好的深度学习模型每个神经元的激活值，并从中选择处在激活临界的若干个神经元作密码神经元包括：

统计训练好的深度学习模型每个神经元的激活值，并对所有神经元的激活值进行排序，依据排序结果选取处在激活临界的神经元组成密码池，从密码池中随机选择指定数量的神经元作为密码神经元。

3.如权利要求2所述的基于后门水印的深度学习模型加密方法，其特征在于，针对由ReLU激活函数激活的神经元，采用以下公式来搜索处在激活临界的神经元：

其中，表示第l层第k个神经元的激活值，β表示限制搜索神经元的范围，该范围用于约束神经元是否处于激活临界值，f_θ表示得到的密码池。

4.如权利要求1所述的基于后门水印的深度学习模型加密方法，其特征在于，密码神经元的记录信息采用三元组进行表示，用于记录密码神经元所在的层号、密码神经元在所在层的位置、密码神经元的激活值。

5.如权利要求1所述的基于后门水印的深度学习模型加密方法，其特征在于，所述正常样本包括图像样本、语音样本、调制信号样本或自然语言样本。

6.一种基于后门水印的深度学习模型加密装置，包括存储器，处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～5任一项所述的基于后门水印的深度学习模型加密方法。