计算机应用

作者：段新涛, 保梦茹, 武银行, 秦川

单位：1.河南师范大学 计算机与信息工程学院，河南 新乡 453007；2.教育人工智能与个性化学习河南省重点实验室（河南师范大学），河南 新乡 453007；3.上海理工大学 光电信息与计算机工程学院，上海 200093

关键词：AI模型安全,深度神经网络,权重加密,四维Chen混沌系统,椭圆曲线加密算法

基金：河南省高等学校重点科研项目(23A520006);河南省科技攻关项目(222102210199)

基于深度神经网络（DNN）的模型以其优越的性能得到了广泛的应用，但训练一个性能强大的DNN模型需要大量的数据集、专业知识、计算资源、硬件条件和时间等，如果对它进行非法盗用会对模型拥有者造成巨大的损失。针对DNN模型的安全和知识产权问题，提出一种DNN模型主动保护方法。该方法使用一种新的综合性权重选择策略精准定位模型中的重要权重，并结合DNN模型卷积层的结构特点，在三维混沌系统的基础上首次引入四维Chen混沌系统对卷积层的少量权重进行位置置乱加密。同时，为了解决授权用户即使拥有密钥也无法解密的问题，结合椭圆曲线加密算法（ECC）构建加密模型的数字签名方案。加密后，权重位置和混沌序列的初始值复合形成加密密钥，授权用户可以使用该密钥正确解密DNN模型，而未被授权的攻击者即使截获了DNN模型也无法正常使用。实验结果表明，对分类模型的少量权重位置进行置乱能显著降低分类准确率，并且解密模型可以实现无损恢复。此外，该方法能够抵抗微调和剪枝攻击，且得到的密钥具有较强的敏感性并能抵抗暴力攻击。同时，通过实验验证了该方法不仅对图像分类模型有效，还能保护深度图像隐写模型和目标检测模型，具有可迁移性。

来源：2025年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第11期