模型加密保护

概述

MindSpore框架提供通过加密对模型文件进行保护的功能，使用对称加密算法对参数文件或推理模型进行加密，使用时直接加载密文模型完成推理或增量训练。目前加密方案支持在Linux平台下对CheckPoint和MindIR模型文件的保护。

以下通过示例来介绍加密导出和解密加载的方法。

你可以在这里下载完整的样例代码：https://gitee.com/mindspore/docs/blob/r1.7/docs/sample_code/model_encrypt_protection/encrypt_checkpoint.py

安全导出CheckPoint文件

目前MindSpore支持用Callback机制在训练过程中保存模型参数，用户可以在CheckpointConfig对象中配置加密密钥和加密模式，并将其传入ModelCheckpoint来启用参数文件的加密保护。具体配置方法如下：

from mindspore.train.callback import CheckpointConfig, ModelCheckpoint

config_ck = CheckpointConfig(save_checkpoint_steps=1875, keep_checkpoint_max=10, enc_key=b'0123456789ABCDEF', enc_mode='AES-GCM')
ckpoint_cb = ModelCheckpoint(prefix='lenet_enc', directory=None, config=config_ck)
model.train(10, dataset, callbacks=ckpoint_cb)

上述代码中，通过在CheckpointConfig中初始化加密密钥和加密模式来启用模型加密。

enc_key表示用于对称加密的密钥。
enc_mode表示使用哪种加密模式。

除了上面这种保存模型参数的方法，还可以调用save_checkpoint接口来保存模型参数，使用方法如下：

from mindspore import save_checkpoint

save_checkpoint(network, 'lenet_enc.ckpt', enc_key=b'0123456789ABCDEF', enc_mode='AES-GCM')

其中enc_key和enc_mode的定义同上。

加载密文CheckPoint文件

MindSpore提供load_checkpoint和load_distributed_checkpoint分别用于单文件和分布式场景下加载CheckPoint参数文件。以单文件场景为例，可以用如下方式加载密文CheckPoint文件：

from mindspore import load_checkpoint

param_dict = load_checkpoint('lenet_enc.ckpt', dec_key=b'0123456789ABCDEF', dec_mode='AES-GCM')

上述代码中，通过指定dec_key和dec_mode来启用对密文文件的读取。

dec_key表示用于对称解密的密钥。
dec_mode表示使用哪种解密模式。

分布式场景的方式类似，在调用load_distributed_checkpoint时指定dec_key和dec_mode即可。

安全导出MindIR文件

MindSpore提供的export接口可导出MindIR、AIR、ONNX等格式的模型，在导出MindIR模型时可用如下方式启用加密保护：

from mindspore import export
input_arr = Tensor(np.zeros([32, 3, 32, 32], np.float32))
export(network, input_arr, file_name='lenet_enc', file_format='MINDIR', enc_key=b'0123456789ABCDEF', enc_mode='AES-GCM')

AIR和ONNX格式暂不支持加密保护。

加载密文MindIR文件

云侧使用Python编写脚本，可以用load接口加载MindIR模型，在加载密文MindIR时，通过指定dec_key和dec_mode对模型进行解密。

from mindspore import load
graph = load('lenet_enc.mindir', dec_key=b'0123456789ABCDEF', dec_mode='AES-GCM')

对于C++脚本，MindSpore也提供了Load接口以加载MindIR模型，接口定义可参考api文档：

在加载密文模型时，通过指定dec_key和dec_mode对模型进行解密。

#include "include/api/serialization.h"

namespace mindspore{
  Graph graph;
  const unsigned char[] key = "0123456789ABCDEF";
  const size_t key_len = 16;
  Key dec_key(key, key_len);
  Serialization::Load("./lenet_enc.mindir", ModelType::kMindIR, &graph, dec_key, "AES-GCM");
} // namespace mindspore

端侧模型保护

模型转换工具

MindSpoer Lite提供的模型转换工具conveter可以将密文的mindir模型转化为明文ms模型，用户只需在调用该工具时指明密钥和解密模式即可，注意这里的密钥为十六进制表示的字符串，如前面定义的b'0123456789ABCDEF'对应的十六进制表示为30313233343536373839414243444546，Linux平台用户可以使用xxd工具对字节表示的密钥进行十六进制表达转换。具体调用方法如下：

./converter_tools --fmk=MINDIR --modelFile=./lenet_enc.mindir --outputFile=lenet --decryptKey=30313233343536373839414243444546 --decryptMode=AES-GCM