[发明专利]神经网络模型保护方法、装置、设备及可读存储介质

权利要求书

1.一种神经网络模型保护方法，其特征在于，所述神经网络模型保护方法包括：

获取权限验证数据，并将所述权限验证数据输入基于预设嵌入训练数据嵌入优化的待验证模型，以基于所述待验证模型的模型参数，将所述权限验证数据转化为输出权限签名信息；

获取所述权限验证数据对应的预设权限签名信息，并基于所述输出权限签名信息和所述预设权限签名信息，确定所述待验证模型的所有权。

2.如权利要求1所述神经网络模型保护方法，其特征在于，在所述将所述权限验证数据输入基于预设嵌入训练数据嵌入优化的待验证模型，以基于所述待验证模型的模型参数，将所述权限验证数据转化为输出权限签名信息的步骤之前，所述神经网络模型保护方法还包括：

获取原任务训练数据和待训练模型；

基于所述预设嵌入训练数据和所述原任务数据，对所述待训练模型进行迭代训练，以优化所述预设嵌入训练数据和所述原任务数据共同对应的所述待训练模型的目标模型参数，直至所述待训练模型达到预设网络训练条件，获得所述待验证模型。

3.如权利要求2所述神经网络模型保护方法，其特征在于，所述预设网络训练条件包括第一迭代训练结束条件和第二迭代训练结束条件，

所述基于所述预设嵌入训练数据和所述原任务数据，对所述待训练模型进行迭代训练，以优化所述预设嵌入训练数据和所述原任务数据共同对应的所述待训练模型的目标模型参数，直至所述待训练模型达到预设网络训练条件，获得所述待验证模型的步骤包括：

基于所述预设嵌入训练数据和所述原任务数据，对所述待训练模型进行迭代训练，以对所述目标模型参数进行初始优化，直至所述待训练模型达到所述第一迭代训练结束条件，获得初始训练模型；

基于所述原任务训练数据，对所述初始训练模型进行迭代训练，以对所述目标模型参数进行再次优化，直至所述初始训练模型达到所述第二迭代训练结束条件且满足所述第一迭代训练结束条件，将所述初始训练模型作为所述待验证模型。

4.如权利要求3所述神经网络模型保护方法，其特征在于，所述基于所述预设嵌入训练数据和所述原任务数据，对所述待训练模型进行迭代训练，以对所述目标模型参数进行初始优化，直至所述待训练模型达到所述第一迭代训练结束条件，获得初始训练模型的步骤包括：

将所述预设嵌入训练数据输入所述待训练模型，对所述预设嵌入训练数据进行数据处理，获得输出签名特征信息；

计算所述输出签名特征信息与预设签名特征信息之间的训练汉明距离，并将所述训练汉明距离与预设汉明距离阀值进行比对；

若所述训练汉明距离小于所述预设汉明距离阀值，则判定所述待训练模型达到所述预设第一迭代训练结束条件，并将所述待训练模型作为所述初始训练模型；

若所述训练汉明距离大于或者等于所述预设汉明距离阀值，则基于所述训练汉明距离，优化所述目标模型参数，并重新对所述待训练模型进行迭代训练，直至所述训练汉明距离小于所述预设汉明距离阀值。

5.如权利要求3所述神经网络模型保护方法，其特征在于，在所述将所述初始训练模型作为所述待验证模型的步骤之前，所述神经网络模型保护方法还包括：

获取测试数据集，并基于所述测试数据集，对所述初始训练模型进行原任务性能测试，获得性能测试值；

计算所述性能测试值与预设性能测试阀值之间的性能测试误差值，若所述性能测试误差值小于预设误差阀值，则将所述初始训练模型作为所述待验证模型。

6.如权利要求1所述神经网络模型保护方法，其特征在于，在所述将所述权限验证数据输入基于预设嵌入训练数据嵌入优化的待验证模型，以基于所述待验证模型的模型参数，将所述权限验证数据转化为输出权限签名信息的步骤之前，所述神经网络模型保护方法还包括：

获取原任务训练数据和待训练模型；

基于预设嵌入训练数据和所述原任务数据，对所述待训练模型进行迭代训练，以分别优化所述预设嵌入训练数据对应的所述待训练模型的第一网络权重参数和所述原任务数据对应的所述待训练模型的第二网络权重参数，直至所述待训练模型达到预设迭代训练结束条件，获得待验证模型。