[发明专利]神经网络校验方法、装置、设备及可读存储介质

权利要求书

1.一种神经网络校验方法，其特征在于，所述神经网络校验方法包括：

获取预设可执行程序对应的待哈希数据，并将所述待哈希数据输入预设哈希层，对所述待哈希数据进行哈希编码，获得哈希编码结果；

将由所述哈希编码结果转化的各二进制向量组合为目标执行程序，并通过确定所述目标执行程序是否执行成功，校验所述待哈希数据对应的待校验神经网络；

其中，所述获取预设可执行程序对应的待哈希数据，并将所述待哈希数据输入预设哈希层，对所述待哈希数据进行哈希编码，获得哈希编码结果的步骤包括：

获取所述预设可执行程序对应的待验证数据，并确定所述预设可执行程序对应的待校验神经网络；

将所述待验证数据输入所述待校验神经网络，输出所述待哈希数据；

将所述待哈希数据输入所述预设哈希层，对所述待哈希数据进行哈希编码，获得哈希编码结果。

2.如权利要求1所述神经网络校验方法，其特征在于，所述将所述待哈希数据输入所述预设哈希层，对所述待哈希数据进行哈希编码，获得哈希编码结果的步骤包括：

将所述待哈希数据输入预设哈希层，对所述待哈希数据进行极化，获得极化结果；

提取所述极化结果中每一比特位对应的极化标识，并基于各所述极化标识，生成所述哈希编码结果。

3.如权利要求1所述神经网络校验方法，其特征在于，所述目标执行程序包括解密程序，

所述基于所述目标执行程序，校验所述待哈希数据对应的待校验神经网络的步骤包括：

获取待解密数据和所述待解密数据对应的标准明文数据，并基于所述解密程序，对所述待解密数据进行解密处理，获得目标明文数据；

将所述目标明文数据与所述标准明文数据进行比对，若所述目标明文数据与所述标准明文数据一致，则判定所述待校验神经网络的网络参数未遭受篡改；

若所述目标明文数据与所述标准明文数据不一致，则判定所述网络参数已遭受篡改。

4.如权利要求1所述神经网络校验方法，其特征在于，在所述获取预设可执行程序对应的待哈希数据，并将所述待哈希数据输入预设哈希层，对所述待哈希数据进行哈希编码，获得哈希编码结果的步骤之前，所述神经网络校验方法包括：

提取待训练哈希层，并获取所述预设可执行程序对应的目标哈希编码结果和训练数据；

基于所述目标哈希编码结果和所述训练数据，对所述待训练哈希层进行迭代训练，以优化所述待训练哈希层对应的极化损失函数，直至所述待训练哈希层达到预设迭代结束条件，获得所述预设哈希层。

5.如权利要求4所述神经网络校验方法，其特征在于，所述基于所述目标哈希编码结果和所述训练数据，对所述待训练哈希层进行迭代训练，以优化所述待训练哈希层对应的极化损失函数，直至所述待训练哈希层达到预设迭代结束条件，获得所述预设哈希层的步骤包括：

将所述训练数据输入所述待训练哈希层，以基于所述极化损失函数，对所述训练数据进行哈希编码，获得初始哈希编码结果；

计算所述初始哈希编码结果和所述目标哈希编码结果之间的训练汉明距离，并将所述训练汉明距离与预设汉明距离阈值进行比对；

若所述训练汉明距离大于所述预设汉明距离阈值，则判定所述待训练哈希层未达到所述预设迭代结束条件，并基于所述初始哈希编码结果优化所述极化损失函数；

基于优化后的所述极化损失函数，重新进行所述待训练哈希层的训练，直至所述训练汉明距离小于或者等于所述预设汉明距离阈值；

若所述训练汉明距离小于或者等于所述预设汉明距离阈值，则判定所述待训练哈希层达到所述预设迭代结束条件，并将所述待训练哈希层作为所述预设哈希层。

6.如权利要求4所述神经网络校验方法，其特征在于，所述目标哈希编码结果至少包括一个目标哈希编码向量，

所述获取所述预设可执行程序对应的目标哈希编码结果的步骤包括：

获取所述预设可执行程序对应的机器代码流，并对所述机器代码流进行分割，获得所述机器代码流对应的各机器码块；

分别将每一所述机器码块转化为所述目标哈希编码向量。