[發明專利]數據處理加速器及由數據處理加速器執行的計算機實現的方法

在審

• 申請號: 202010512205.3
• 申請日: 2020-06-08
• 公開（公告）號: CN112650982A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 程越強;劉勇
• 申請（專利權）人: 百度（美國）有限責任公司
• 主分類號: G06F21/16
• 分類號: G06F21/16;G06N20/00;G06F15/80;G06F21/60
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 馬曉亞;王艷春

公開了由數據處理DP加速器執行的計算機實現的方法，包括：在所述DP加速器處，接收來自主機處理器的表示一組訓練數據的第一數據；在所述DP加速器處，接收來自所述主機處理器的水印內核；在所述DP加速器內對人工智能(AI)模型執行所述水印內核。所述水印內核在被執行時配置為：生成水印，使用所述一組訓練數據來訓練所述AI模型，以及在所述AI模型的訓練期間將所述水印植入到所述AI模型中。所述DP加速器而后將表示具有植入的水印的經訓練的AI模型的第二數據傳輸至所述主機處理器。在一個實施方式中，所述方法還包括接收預訓練的AI模型，其中，所述訓練步驟是針對所述預訓練的AI模型執行的。

技術領域

本公開的實施方式總體上涉及人工智能模型訓練和推理。更具體地，本公開的實施方式涉及由數據處理加速器執行的人工智能模型訓練和推理以及相關聯的安全性。

背景技術

隨著人工智能(AI)技術已經被部署在諸如圖像分類或自動駕駛的各種領域中，AI模型(也稱為“機器學習模型”)最近已經被廣泛地使用。與軟件應用的可執行圖像或二進制圖像類似，AI模型在被訓練時可以基于一組屬性執行推理以將這些屬性分類為多個特征。因此，AI模型可以是“便攜式的”并且可以在沒有授權的情況下使用。當前，缺乏對AI模型的有效的數字權利保護。此外，使用委托給諸如數據處理(DP)加速器或遠程系統的輔助處理系統的AI模型的處理任務，缺乏證據證明由DP加速器系統產生的結果受“信任根”系統保護。

發明內容

本公開的實施方式提供了由數據處理DP加速器執行的計算機實現的方法、數據處理DP加速器和存儲有指令的非暫時性機器可讀介質。

在本公開的一方面，由數據處理DP加速器執行的計算機實現的方法包括：在所述DP加速器處，接收來自主機處理器的表示一組訓練數據的第一數據；在所述DP加速器處，接收來自所述主機處理器的水印內核；在所述DP加速器內對人工智能AI模型執行所述水印內核；以及將表示具有植入的水印的經訓練的AI模型的第二數據傳輸至所述主機處理器。其中，所述水印內核在被執行時配置為：生成水印；使用所述一組訓練數據來訓練所述AI模型；以及在所述AI模型的訓練期間將所述水印植入到所述AI模型中。

在本公開的另一方面，數據處理DP加速器包括：接口，從主機處理器接收表示一組訓練數據的第一數據以及接收水印內核；以及內核執行器，對人工智能AI模型執行所述水印內核。其中，所述水印內核在被執行時配置為：生成水印；使用所述一組訓練數據來訓練所述AI模型；以及在所述AI模型的訓練期間將所述水印植入到所述AI模型中，其中，表示具有植入的水印的經訓練的AI模型的第二數據被傳輸至所述主機處理器。

在本公開的又一方面，公開了存儲有指令的非暫時性機器可讀介質，當由數據處理DP加速器執行所述指令時，使得所述DP加速器執行操作，所述操作包括：在所述DP加速器處，接收來自主機處理器的表示一組訓練數據的第一數據；在所述DP加速器處，接收來自所述主機處理器的水印內核；在所述DP加速器內對人工智能AI模型執行所述水印內核；以及將表示具有植入的水印的經訓練的AI模型的第二數據傳輸至所述主機處理器。其中，所述水印內核在被執行時配置為：生成水印；使用所述一組訓練數據來訓練所述AI模型；以及在所述AI模型的訓練期間將所述水印植入到所述AI模型中。

附圖說明

本公開的實施方式在附圖的各圖中以舉例而非限制的方式示出，附圖中的相同的附圖標記指代相似的元件。

圖1是示出根據一個實施方式的安全處理系統的框圖。

圖2A和圖2B是示出根據一個實施方式的在一個或多個主機和一個或多個數據處理加速器之間的安全計算環境的框圖。

圖3是示出根據一個實施方式的一個或多個主機與一個或多個數據處理加速器之間的安全計算環境的框圖。

圖4至圖5是示出根據一個實施方式的在人工智能模型中植入水印的過程的流程圖。