[发明专利]一种基于RNN的模型压缩加密方法

权利要求书

1.一种基于RNN的模型压缩加密方法，其特征在于，包括如下步骤：

a)根据业务建立深度学习神经网络模型结构，利用标注数据集进行训练，得到神经网络模型M；

b)对神经网络模型M进行模型压缩，得到压缩模型C；

c)对压缩模型C中的参数进行分层聚合转换，形成压缩后模型参数向量序列S；

d)将RNN网络模型的编码器Encoder和解码器Decoder联合起来进行训练，使得模型参数向量序列S与模型参数向量序列S经过RNN网络模型生成的墨香参数向量序列S’的重构误差最小，训练后形成多组特征向量序列Key和生成模型参数向量序列S’；

e)将生成模型参数向量序列S’利用分层聚合的逆转换处理，形成网络模型G；

f)验证网络模型G的所占空间大小以及通过步骤a)中的标注数据集亚征准确率；

g)将RNN网络模型R的解码器Decoder公开，为不同的客户分配不同的特征向量序列Key；

h)客户将通过特征向量序列Key生成网络模型G用于实际业务；

i)当网络模型G出现密钥泄露时，通过特征向量序列Key的不同追查泄密方。

2.根据权利要求1所述的基于RNN的模型压缩加密方法，其特征在于：步骤a)中利用标注数据集对深度学习神经网络模型进行训练，得到训练后的神经网络模型M。

3.根据权利要求1所述的基于RNN的模型压缩加密方法，其特征在于：步骤b)中通过量化的方式进行模型压缩。

4.根据权利要求1所述的基于RNN的模型压缩加密方法，其特征在于：步骤b)中通过剪枝的方式进行模型压缩。

5.根据权利要求1所述的基于RNN的模型压缩加密方法，其特征在于：还包括在步骤c)中对模型参数向量序列S中的参数进行调整，使存储空间大小和准确率满足压缩模型C的要求。