神经网络经过训练以最小化神经连接权重上的一些误差函数。在某些应用中,这些权重可以被视为知识产权。有没有办法加密这些权重并且仍然有一个可操作的神经网络?
一些背景:我正在尝试扩展神经网络算法,但现在我们正在一个集中式服务器上进行所有计算,并且它陷入了困境。我们可以将计算转移到客户端,但我们不希望有人解包可执行文件并获得网络的权重。是否有某种方法可以分发“加密神经网络”以保护我们的 IP?
澄清一下:我不是在谈论对加密数据进行操作的“遗忘”神经网络,而是在谈论神经网络本身的权重。
我对替代混淆技术很好。
编辑:我找到了这篇论文,但它指出
非常注意避免任何不必要的信息泄露,以便在协议结束时用户只知道最终的 NN 输出,而所有内部计算都是保密的。通过这种方式,可以防止恶意用户提供一组正确选择的虚假输入来泄露网络机密。还概述了一种允许混淆网络拓扑的解决方案,但是,该方向的更深入研究留待未来研究。
表明这篇论文是关于一个相关概念的,但我正在寻找一个拓扑被混淆的资源。