买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于模型加锁的边缘端模型保护方法及其系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119416180B 。

龙图腾网通过国家知识产权局官网在2025-10-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411465561.9，技术领域涉及：G06F21/12；该发明授权一种基于模型加锁的边缘端模型保护方法及其系统是由张旭鸿;李秦峰;谢洋帆;杜天宇;尹建伟设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于模型加锁的边缘端模型保护方法及其系统在说明书摘要公布了：本发明公开了一种基于模型加锁的边缘端模型保护方法及其系统。在该方法中，通过对模型后半部分进行参数置换，使待保护模型存在授权验证功能，使得未经过授权的特征图无法让网络正常运行，网络的准确率会大幅度退化，这起到了保护模型的目的，同时，本方法在可信执行环境中构建并部署了授权模块，用于在模型的数据处理过程中对特征添加授权信息，经过授权的特征可以通过验证层的运算得到原特征，这保障了网络的正常使用。另外，为了方法能够顺利实现，我们还公开了基于授权验证机制的边缘端模型保护系统。本发明利用深度学习技术和授权认证机制，能够实现有效且轻量的边缘端模型保护，在很大程度上保障了边缘端设备中模型的知识产权。

本发明授权一种基于模型加锁的边缘端模型保护方法及其系统在权利要求书中公布了：1.一种基于模型加锁的边缘端模型保护方法，包括以下步骤： 1确定待保护的边缘端模型，所述待保护的边缘端模型包括M个串联的Transformer块和一个位于所有Transformer块之后的token分类层，所述Transformer块依次包括注意力层、第一归一化层、MLP层和第二归一化层，对待保护的边缘端模型进行公式化建模；所述MLP层依次包括第一线性层和第二线性层； 所述的对待保护的边缘端模型进行公式化建模具体为：对于待保护的边缘端模型的各Transformer块，构建其计算公式如下， Q＝xWq,K＝xWk,V＝xWv a＝ReLUyWa b＝aWb 其中，Q、K、V为注意力层的查询、键和值，x为注意力层的输入，o为注意力层的输出，M为掩码矩阵，y为第一归一化层的输出，a和b为MLP层的第一线性层和第二线性层的输出，z为第二归一化层的输出，也是Transformer块的输出，Wq、Wk、Wv、Wo为注意力层的权重参数，γ1和β1为第一归一化层的权重参数，μo+x和σo+x分别为o和x之间加和的均值和方差，Wa和Wb为MLP层的权重参数，γ2和β2为第二归一化层的权重参数，μy+b和σy+b为分别为y和b之间加和的均值和方差，⊙表示点积，ReLU.表示激活函数； 2获取授权信息，基于授权信息对边缘端模型的后N个Transformer块和token分类层进行参数置换，参数置换后的边缘端模型即为加锁模型； 步骤2中对边缘端模型的后N个Transformer块进行参数置换具体为将Transformer块中各权重参数进行如下置换： W′q＝πTWq,W′k＝πTWk,W′v＝πTWv, W′o＝Woπ,γ′1＝γ1π,β′1＝β1π, W′a＝πTWa,W′b＝Wbπ, γ′2＝γ2π,β′2＝β2π 其中，π为授权信息，W′q、W′k、W′v、W′o、γ′1、β′1、W′a、W′b、γ′2和β′2均为置换后的权重参数； 3基于授权信息对加锁模型第M-N个Transformer块中的最后一个MLP层以及第二归一化层进行参数置换，参数置换后的加锁模型即为最终的加锁模型；基于OTP技术和授权信息构建授权模块，所述授权模块用于在最终的加锁模型的第M-N个Transformer块的数据处理过程中对其输出添加授权信息； 4在GPU上部署最终的加锁模型，在可信执行环境中部署授权模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。