[发明专利]基于非对称间隔插入加密字符的模型加解密方法和装置

说明书

本申请公开了一种基于非对称间隔插入加密字符的模型加解密方法和装置。其中，所述加密方法包括：拼接应用程序标识和私钥的字符串，并通过SHA算法加密所述拼接后的字符串，得到SHA加密字符；读取待加密模型文件，根据所述待加密模型的字节数，随机生成一组非对称间隔数组，根据所述数组的数值将所述SHA加密字符插入所述待加密模型文件的初始部分；将所述初始部分进行二次拼接，并通过RSA算法加密所述二次拼接后的初始部分；将RSA加密后的初始部分放入所述待加密模型文件的头部位置，保存加密后的模型文件。本公开由于间隔数据的数组是随机设定的，并且维度不止一维，因而，插入加密字符的位置很难被全部破解，确保了模型加密的安全性。

技术领域

本申请涉及模型加解密技术领域，特别是涉及一种基于非对称间隔插入加密字符的模型加解密方法和装置。

背景技术

在深度学习中，模型是指基于已有数据集，并通过运行学习算法，所得到的输出。模型是我们最终得到的东西，也是后期用于推理预测的基础，是一套推理规则。模型反映了算法的最终形式，在代码工程中，通过添加模型，进行推理，便可以得到相应算法对应的结果。而算法是凝结了开发人员和公司单位等劳动成果和相关利益的。未经过处理的模型数据是暴露在使用者面前的，使用者可以随意利用模型进行推理，并得到模型算法的运算结果。为了保证模型数据的保密性和完整性，防止模型的数据被读取及更改，并保护开发人员和公司单位的合法劳动和权益，我们往往在给使用者算法模型时，通常会对模型进行加密。

目前较为常见的模型加密是在模型文件的开始或者结尾添加一些不可被识别的字符，使得模型的内容不可被可视化工具打开，进而保护模型数据。但这种方法的加密，通过不断尝试加密字符串的长度，极容易被破解。

针对上述的现有技术中存在的模型加密容易被破解的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种基于非对称间隔插入加密字符的模型加解密方法和装置，以至少解决现有技术中存在的模型加密容易被破解的技术问题。

根据本公开实施例的一个方面，提供了基于非对称间隔插入加密字符的模型加密方法，包括：

拼接应用程序标识和私钥的字符串，并通过SHA算法加密所述拼接后的字符串，得到SHA加密字符；

读取待加密模型文件，根据所述待加密模型的字节数，随机生成一组非对称间隔数组，根据所述数组的数值将所述SHA加密字符插入所述待加密模型文件的初始部分；

将所述初始部分进行二次拼接，并通过RSA算法加密所述二次拼接后的初始部分；

将RSA加密后的初始部分放入所述待加密模型文件的头部位置，保存加密后的模型文件。

根据本公开实施例的另一方面，还提供了一种基于非对称间隔插入加密字符的模型解密方法，包括：

拼接应用程序标识和私钥的字符串，并通过SHA算法加密所述拼接后的字符串，得到SHA加密字符；

获取加密模型文件，读取加密模型头部位置的RSA加密字符；

通过RSA解密所述RSA加密字符，获得以非对称间隔数组插入所述SHA加密字符的所述加密模型文件的初始部分；

根据以所述非对称间隔数组插入的SHA加密字符的位置及SHA加密字符的长度，将SHA加密字符从所述初始部分中去除，得到解密的模型初始部分，进而生成完整的解密后模型。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种基于非对称间隔插入加密字符的模型加密装置，包括：