mindspore.obfuscate_model

mindspore.obfuscate_model(obf_config, **kwargs)[源代码]

对MindIR格式的模型进行混淆，混淆主要是修改模型的网络结构但不影响它的推理精度，混淆后的模型可以防止被盗用。

参数：

  • obf_config (dict) - 模型混淆配置选项字典。

    • type (str) - 混淆类型，目前支持动态混淆，即 'dynamic'。

    • original_model_path (str) - 待混淆的MindIR模型地址。如果该模型是加密文件的，则需要在 kwargs 中传入 enc_key 和 enc_mode 。

    • save_model_path (str) - 混淆模型的保存地址。

    • model_inputs (list[Tensor]) - 模型的推理输入，Tensor的值可以是随机的，和使用 mindspore.export() 接口类似。

    • obf_ratio (Union[str, float]) - 全模型算子的混淆比例，可取浮点数(0, 1]或者字符串 "small" 、 "medium" 、 "large" 。 "small" 、 "medium" 、 "large" 分别对应于 0.1、0.3、0.6。

    • customized_func (function) - 在自定义函数模式下需要设置的Python函数，用来控制混淆结构中的选择分支走向。它的返回值需要是bool类型，且是恒定的，用户可以参考不透明谓词进行设置（请查看 动态混淆教程　中的 my_func()）。如果设置了 customized_func ，那么在使用 mindspore.load() 接口导入模型的时候，需要把这个函数也传入。

    • obf_random_seed (int) - 混淆随机种子，是一个取值范围为(0, 9223372036854775807]的整数，不同的随机种子会使模型混淆后的结构不同。如果用户设置了 obf_random_seed ，那么在部署混淆模型的时候，需要在 mindspore.nn.GraphCell 接口中传入 obf_random_seed 。需要注意的是，如果用户同时设置了 customized_func 和 obf_random_seed ，那么后一种模式将会被采用。

  • kwargs (dict) - 配置选项字典。

    • enc_key (bytes) - 用于加密的字节类型密钥，有效长度为16、24或者32。

    • enc_mode (str) - 指定加密模式，当设置 enc_key 时启用。支持的加密选项有： 'AES-GCM' 、 'AES-CBC' 、 'SM4-CBC' 。默认值： "AES-GCM" 。

异常：

  • TypeError - obf_config 不是字典类型。

  • ValueError - 传入了 enc_key 但是 enc_mode　不为 'AES-GCM' 、 'AES-CBC' 或 'SM4-CBC' 。

  • ValueError - obf_config 没有提供 original_model_path 。

  • ValueError - original_model_path 中的模型是已经混淆过的。

  • ValueError - obf_config 没有提供 save_model_path 。

  • ValueError - obf_config 没有提供 obf_ratio 。

  • ValueError - customized_func 和 obf_random_seed 都不在 obf_config 里面。

  • ValueError - obf_random_seed 的取值没有在(0, 9223372036854775807]内。

  • ValueError - original_model_path 不存在或者不以 '.mindir' 结尾。

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> import numpy as np
>>> # Download ori_net.mindir
>>> # https://gitee.com/mindspore/mindspore/blob/v2.4.0/tests/ut/python/mindir/ori_net.mindir
>>> input1 = ms.Tensor(np.ones((1, 1, 32, 32)).astype(np.float32))
>>> obf_config = {'original_model_path': "./net.mindir",
...          'save_model_path': "./obf_net",
...          'model_inputs': [input1, ],
...          'obf_ratio': 0.1, 'obf_random_seed': 173262358423}
>>> ms.obfuscate_model(obf_config)
>>> obf_func = ms.load("obf_net.mindir")
>>> obf_net = nn.GraphCell(obf_func, obf_random_seed=173262358423)
>>> print(obf_net(input1).asnumpy())