本发明专利技术涉及一种面向深度学习的安全脚本容器执行方法和装置，其中方法包括：在安全脚本容器中加载深度学习模型脚本；训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理；验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果。本发明专利技术能够为最终训练完成的深度学习模型提供有效的可信安全保障。供有效的可信安全保障。供有效的可信安全保障。
【技术实现步骤摘要】
一种面向深度学习的安全脚本容器执行方法和装置
[0001]本专利技术涉及人工智能深度学习
，特别是涉及一种面向深度学习的安全脚本容器执行方法和装置。
技术介绍
[0002]传统深度学习的框架对于深度学习过程的安全可信和可追溯性没有一个好的解决方案。因此在获得一个深度学习训练获得的模型后，除了使用自有的数据集进行验证外，只能盲目信任模型提供方所给出的训练评价结果，因此对于选择和应用有效且可靠安全的深度学习模型存在问题。
技术实现思路
[0003]本专利技术所要解决的技术问题是提供一种面向深度学习的安全脚本容器执行方法和装置，能够为最终训练完成的深度学习模型提供有效的可信安全保障。
[0004]本专利技术解决其技术问题所采用的技术方案是：提供一种面向深度学习的安全脚本容器执行方法，包括以下步骤：
[0005]在安全脚本容器中加载深度学习模型脚本；
[0006]训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理；
[0007]验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果。
[0008]所述在安全脚本容器中加载深度学习模型脚本具体包括：
[0009]基于所述深度学习模型脚本的数字签名加载所述深度学习模型的训练相关数据；
[0010]根据所述训练相关数据对所述安全脚本容器进行初始化设置以恢复上一次训练阶段的训练环境。
[0011]所述训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理具体包括：
[0012]基于所述深度学习模型脚本的数字签名匹配训练源数据集的访问接口，并将所述训练源数据集的访问接口提供给所述安全脚本容器；
[0013]启动所述深度学习模型脚本的训练执行入口，并在所述深度学习模型脚本调用到所述训练源数据集的访问接口时，生成第一数据访问日志；
[0014]采用所述训练源数据集训练深度学习模型，并根据深度学习训练方案迭代所述深度学习模型的配置，在训练迭代完成时，在所述第一数据访问日志中保存所述深度学习模型的训练相关数据；
[0015]对所述第一数据访问日志中的所述深度学习模型的训练相关数据采用所述深度学习模型脚本的数字签名进行加密处理。
[0016]所述验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果具体包括：
[0017]基于所述深度学习模型脚本的数字签名匹配验证源数据集的访问接口，并将所述验证源数据集的访问接口提供给所述安全脚本容器；
[0018]启动所述深度学习模型脚本的验证执行入口，并在所述深度学习模型脚本调用到所述验证源数据集的访问接口时，生成第二数据访问日志；
[0019]采用验证源数据集验证训练完成的深度学习模型，在验证执行过程中，在所述第二数据访问日志中自动保存所述深度学习模型的验证评价指标，并基于所述验证评价指标生成所述深度模型的模型评价结果。
[0020]所述面向深度学习的安全脚本容器执行方法还包括：根据所述模型评价结果判断所述深度模型是否完成优化，若没有完成优化则返回所述在安全脚本容器中加载深度学习模型脚本的步骤，继续优化。
[0021]本专利技术解决其技术问题所采用的技术方案是：还提供一种面向深度学习的安全脚本容器执行装置，包括：
[0022]加载模块，用于在安全脚本容器中加载深度学习模型脚本；
[0023]训练模块，用于训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理；
[0024]验证模块，用于验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果。
[0025]所述加载模块包括：
[0026]加载单元，用于基于所述深度学习模型脚本的数字签名加载所述深度学习模型的训练相关数据；
[0027]恢复单元，用于根据所述训练相关数据对所述安全脚本容器进行初始化设置以恢复上一次训练阶段的训练环境。
[0028]所述训练模块包括：
[0029]第一匹配单元，用于基于所述深度学习模型脚本的数字签名匹配训练源数据集的访问接口，并将所述训练源数据集的访问接口提供给所述安全脚本容器；
[0030]第一生成单元，用于启动所述深度学习模型脚本的训练执行入口，并在所述深度学习模型脚本调用到所述训练源数据集的访问接口时，生成第一数据访问日志；
[0031]训练单元，用于采用所述训练源数据集训练深度学习模型，并根据深度学习训练方案迭代所述深度学习模型的配置，在训练迭代完成时，在所述第一数据访问日志中保存所述深度学习模型的训练相关数据；
[0032]加密单元，用于对所述第一数据访问日志中的所述深度学习模型的训练相关数据采用所述深度学习模型脚本的数字签名进行加密处理。
[0033]所述验证模块包括：
[0034]第二匹配单元，用于基于所述深度学习模型脚本的数字签名匹配验证源数据集的访问接口，并将所述验证源数据集的访问接口提供给所述安全脚本容器；
[0035]第二生成单元，用于启动所述深度学习模型脚本的验证执行入口，并在所述深度学习模型脚本调用到所述验证源数据集的访问接口时，生成第二数据访问日志；
[0036]验证单元，用于采用验证源数据集验证训练完成的深度学习模型，在验证执行过程中，在所述第二数据访问日志中自动保存所述深度学习模型的验证评价指标，并基于所
述验证评价指标生成所述深度模型的模型评价结果。
[0037]所述面向深度学习的安全脚本容器执行装置还包括判断模块，所述判断模块用于根据所述模型评价结果判断所述深度模型是否完成优化，若没有完成优化则返回所述加载模块继续优化。
[0038]有益效果
[0039]由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术通过深度学习模型在训练及验证评价过程中记录可追溯的数据访问日志及验证结果，以对最终训练完成的深度学习模型提供有效的可信安全保障。
附图说明
[0040]图1是本专利技术第一实施方式的流程图。
具体实施方式
[0041]下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
[0042]本专利技术的第一实施方式涉及一种面向深度学习的安全脚本容器执行方法，如图1所示，包括以下步骤：
[0043]步骤1，在安全脚本容器中加载深度学习模型脚本，具体包括：步骤1a，基于所述深度学习模型脚本的数字签名加载所述深度学习模型的训练相关数据，其中，训练相关数据可以为深度学习模型脚本中的深度学习模型在上一训练阶段的深度学习训练上下文。步骤1b，根本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种面向深度学习的安全脚本容器执行方法，其特征在于，包括以下步骤：在安全脚本容器中加载深度学习模型脚本；训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理；验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果。2.根据权利要求1所述的面向深度学习的安全脚本容器执行方法，其特征在于，所述在安全脚本容器中加载深度学习模型脚本具体包括：基于所述深度学习模型脚本的数字签名加载所述深度学习模型的训练相关数据；根据所述训练相关数据对所述安全脚本容器进行初始化设置以恢复上一次训练阶段的训练环境。3.根据权利要求1所述的面向深度学习的安全脚本容器执行方法，其特征在于，所述训练所述深度学习模型脚本中的深度学习模型，在训练完成后保存训练相关数据，并将所述训练相关数据作为可追溯数据进行处理具体包括：基于所述深度学习模型脚本的数字签名匹配训练源数据集的访问接口，并将所述训练源数据集的访问接口提供给所述安全脚本容器；启动所述深度学习模型脚本的训练执行入口，并在所述深度学习模型脚本调用到所述训练源数据集的访问接口时，生成第一数据访问日志；采用所述训练源数据集训练深度学习模型，并根据深度学习训练方案迭代所述深度学习模型的配置，在训练迭代完成时，在所述第一数据访问日志中保存所述深度学习模型的训练相关数据；对所述第一数据访问日志中的所述深度学习模型的训练相关数据采用所述深度学习模型脚本的数字签名进行加密处理。4.根据权利要求1所述的面向深度学习的安全脚本容器执行方法，其特征在于，所述验证训练完成的深度学习模型，并基于验证评价指标生成模型评价结果具体包括：基于所述深度学习模型脚本的数字签名匹配验证源数据集的访问接口，并将所述验证源数据集的访问接口提供给所述安全脚本容器；启动所述深度学习模型脚本的验证执行入口，并在所述深度学习模型脚本调用到所述验证源数据集的访问接口时，生成第二数据访问日志；采用验证源数据集验证训练完成的深度学习模型，在验证执行过程中，在所述第二数据访问日志中自动保存所述深度学习模型的验证评价指标，并基于所述验证评价指标生成所述深度模型的模型评价结果。5.根据权利要求1所述的面向深度学习的安全脚本容器执行方法，其特征在于，还包括：根据所述模型评价结果判断所述深度模型是否完成优化，若没有完成优化则返回所述在安全脚本容器中加载深度学习模型脚本的步骤，继续优...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海健交科技服务有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。