[发明专利]基于PUF的卷积神经网络模型知识产权保护方法

权利要求书

1.一种基于PUF的卷积神经网络模型知识产权保护方法，其特征在于，包括以下步骤：

利用现场可编程逻辑门阵列实现仲裁物理不可克隆函数，获取所述现场可编程逻辑门阵列的唯一指纹；

利用真数据集和伪数据集分别训练卷积神经网络，得到真卷积神经网络模型和伪卷积神经网络模型；

根据所述仲裁物理不可克隆函数的响应，利用预设混淆算法将所述真卷积神经网络模型和所述伪卷积神经网络模型同一层的参数进行混合，得到最终卷积神经网络模型；

根据所述仲裁物理不可克隆函数的响应，利用恢复算法生成恢复矩阵，将所述恢复矩阵与所述最终卷积神经网络模型中混淆层的矩阵进行相乘，得到所述最终卷积神经网络模型的计算结果。

2.根据权利要求1所述的方法，其特征在于，所述利用现场可编程逻辑门阵列实现仲裁物理不可克隆函数，包括：

在所述现场可编程逻辑门阵列上设计预设大小的仲裁物理不可克隆函数电路，为所述现场可编程逻辑门阵列提供唯一指纹，使得所述最终卷积神经网络模型仅运行在所述现场可编程逻辑门阵列上时，输出正确结果。

3.根据权利要求1所述的方法，其特征在于，

所述真卷积神经网络模型和所述伪卷积神经网络模型结构相同。

4.根据权利要求1所述的方法，其特征在于，所述根据所述仲裁物理不可克隆函数的响应，利用预设混淆算法将所述真卷积神经网络模型和所述伪卷积神经网络模型同一层的参数进行混合，包括：

所述仲裁物理不可克隆函数的响应位为1时，所述预设混淆算法中混淆矩阵的参数为所述真卷积神经网络模型的参数，否则，所述预设混淆算法中混淆矩阵的参数为所述伪卷积神经网络模型的参数。

5.一种基于PUF的卷积神经网络模型知识产权保护装置，其特征在于，包括：

设计模块，用于利用现场可编程逻辑门阵列实现仲裁物理不可克隆函数，获取所述现场可编程逻辑门阵列的唯一指纹；

训练模块，用于利用真数据集和伪数据集分别训练卷积神经网络，得到真卷积神经网络模型和伪卷积神经网络模型；

混淆模块，用于根据所述仲裁物理不可克隆函数的响应，利用预设混淆算法将所述真卷积神经网络模型和所述伪卷积神经网络模型同一层的参数进行混合，得到最终卷积神经网络模型；

恢复模块，用于根据所述仲裁物理不可克隆函数的响应，利用恢复算法生成恢复矩阵，将所述恢复矩阵与所述最终卷积神经网络模型中混淆层的矩阵进行相乘，得到所述最终卷积神经网络模型的计算结果。

6.根据权利要求5所述的装置，其特征在于，所述利用现场可编程逻辑门阵列实现仲裁物理不可克隆函数，包括：

在所述现场可编程逻辑门阵列上设计预设大小的仲裁物理不可克隆函数电路，为所述现场可编程逻辑门阵列提供唯一指纹，使得所述最终卷积神经网络模型仅运行在所述现场可编程逻辑门阵列上时，输出正确结果。

7.根据权利要求5所述的装置，其特征在于，

所述真卷积神经网络模型和所述伪卷积神经网络模型结构相同。

8.根据权利要求5所述的装置，其特征在于，所述混淆模块进一步用于，

所述仲裁物理不可克隆函数的响应位为1时，所述预设混淆算法中混淆矩阵的参数为所述真卷积神经网络模型的参数，否则，所述预设混淆算法中混淆矩阵的参数为所述伪卷积神经网络模型的参数。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的基于PUF的卷积神经网络模型知识产权保护方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的基于PUF的卷积神经网络模型知识产权保护方法。