[發明專利]一種針對神經網絡處理的權重加解密方法和系統

有效

• 申請號: 201710182153.6
• 申請日: 2017-03-24
• 公開（公告）號: CN107086910B
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 韓銀和;許浩博;王穎
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: H04L9/08
• 分類號: H04L9/08;H04L29/06;G06N3/02
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

本發明涉及一種針對神經網絡處理的權重加解密方法和系統，其方法包括：通過加密算法將已訓練好的原始權重數據加密，生成加密權重數據；讀取該原始密鑰并根據解密算法對該加密權重數據進行解密，生成原始權重數據；讀取需要執行的指令，對該指令進行解析得到存儲地址，并從該存儲地址獲取輸入數據；接收該輸入數據和該原始權重數據，根據該指令執行神經網絡運算操作，并輸出運算結果。本發明通過片外加密系統對權重數據進行加密處理，并采用片上解密單元對加密權重進行解密操作，在實現神經網絡運算的同時實現了對權重數據的保護。

技術領域

本發明涉及硬件神經網絡模型計算加速領域，特別涉及一種針對神經網絡處理的權重加解密方法和系統。

背景技術

深度學習技術在近幾年得到了飛速的發展，在解決高級抽象認知問題上，例如圖像識別、語音識別、自然語言理解、天氣預測、基因表達、內容推薦和智能機器人等領域得到了廣泛應用并具有出色的表現，因此成為了學術界和工業界的研究熱點。

深度神經網絡是人工智能領域具有最高發展水平的感知模型之一，該類網絡通過建立模型模擬人類大腦的神經連接結構，通過多個變換階段分層對數據特征進行描述，為圖像、視頻和音頻等大規模數據處理任務帶來了突破性進展。該模型結構是一種運算模型，由大量節點通過網狀互連結構構成，這些節點被稱為神經元。每兩個節點間連接強度都代表通過該連接信號在兩個節點間的加權重，被稱為權重，與人類神經網絡中的記憶相對應。

神經網絡代表了應用于某種場景的算法、函數逼近或邏輯策略的表達。對于某種特定的神經網絡而言，神經元之間的連接關系是固定不變的，權重值需要應用開發者從海量的數據中訓練得到。訓練權重是一項具有技術性的工作，一方面，訓練權重值需要依托海量數據源，但是科學有效的數據是專業人員通過觀測、模擬、實驗、檢索等方法獲取的，是用于支撐科學研究及科學應用的重要保證，具有極高的經濟價值與現實意義，是知識產權的重要組成部分，因此依托數據源訓練得到的權重值同樣具有知識產權屬性，需要得到保護；另一方面，應用開發者需要掌握正確的訓練方法才能從大量數據中訓練得到準確的權重值并需要花費大量精力和精力，是深度神經網絡技術中的重要環節。

作為神經網絡運算硬件加速方式的神經網絡處理器可對神經網絡模型進行運算處理，但目前已有的神經網絡處理器對上述提到的權重安全問題并沒有有效的保護機制，會存在權重值泄漏及泛濫傳播等問題。本發明提供一種具有權重加密功能的神經網絡處理方法和系統，通過片外加密系統對權重數據進行加密處理，并采用片上解密單元對加密權重進行解密操作，在實現神經網絡運算的同時實現了對權重數據的保護。

發明內容

針對神經網絡處理器的上述缺陷，本發明提供一種針對神經網絡處理的權重加解密方法，通過片外對權重數據進行加密處理，并結合片上解密單元對加密權重進行解密操作，在實現神經網絡運算的同時實現了對權重數據的保護，其中包括以下步驟：

步驟S1，通過加密算法將已訓練好的原始權重數據加密，生成加密權重數據，并將該加密權重數據和與該加密權重數據相匹配的原始密鑰發送至步驟S2；

步驟S2，讀取該原始密鑰并根據解密算法對該加密權重數據進行解密，生成原始權重數據，并將該原始權重數據發送至步驟S4；

步驟S3，讀取需要執行的指令，對該指令進行解析得到存儲地址，并從該存儲地址獲取輸入數據；

步驟S4，接收該輸入數據和該原始權重數據，根據該指令執行神經網絡運算操作，并輸出運算結果。

該針對神經網絡處理的權重加解密方法，其中該加密算法，包括：

步驟S11，采用數據重編碼的方式，將待加密的該原始權重數據拼接為128比特數據位寬或用戶指定權重位寬，作為權重明文，同時加入初始密鑰，并根據密鑰擴展算法對該初始密鑰進行處理，以生成每輪加密所需的子密鑰；