[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

说明书

本申请公开了一种神经网络模型保护方法、装置、设备及可读存储介质，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，进而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。本申请解决了神经网络模型知识产权保护安全性低的技术问题。

技术领域

本申请涉及金融科技(Fintech)的人工智能领域，尤其涉及一种神经网络模型保护方法、装置、设备及可读存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。

随着计算机软件和人工智能的不断发展，神经网络的应用也越来越广泛，目前，构造一个效果优良的神经网络模型通常需要大量的时间资源和金钱资源，进而通常只有神经网络的持有者知道神经网络模型的内部参数，而使用者只有神经网络模型的使用权限，也即，使用者将数据输入神经网络模型，并获得神经网络模型的反馈结果，其中，神经网络模型内部的计算过程使用者无法知晓，进而达到保护神经网络模型的目的，但是，若持有者己方公开或者泄露了神经网络模型，则对神经网络模型的保护将失效，进而神经网络模型在知识产权保护方面仍存在安全隐患。

发明内容

本申请的主要目的在于提供一种神经网络模型保护方法、装置、设备及可读存储介质，旨在解决现有技术中神经网络模型知识产权保护安全性低的技术问题。

为实现上述目的，本申请提供一种神经网络模型保护方法，所述神经网络模型保护方法应用于神经网络模型保护设备，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。

可选地，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。

可选地，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。