Python原始碼加密與Pytorch模型加密分別介紹

2022-12-09 14:03:18

前言

深度學習領域，常常用python寫程式碼，而且是建立在一些開源框架之上，如pytorch。在實際的專案部署中，也有用conda環境和python程式碼去部署伺服器，在這個時候，又分為兩種情況。

部署方式可分為兩種，一種是線上部署，演演算法伺服器歸公司所有，只開放API給客戶，客戶通過POST請求存取演演算法伺服器，上傳資料並得到返回結果。這種情況客戶當然看不到程式碼。還有一種是離線部署，就是給客戶私有化部署，把公司的程式碼放到客戶的伺服器上執行，這種情況下客戶能夠看到程式碼。如果是python部署的專案，就需要保護兩個東西，一個是模型檔案，一個是python原始碼。

一、python原始碼的保護

由於 Python 的動態特性和開源特點，導致 Python 程式碼很難做到很好的加密。在實際工程部署中，如果不想讓客戶看到程式碼，一般使用C++來部署。

可是自己把程式碼改成c++也太費勁了，還好python提供了轉c++程式碼的工具cpython，程式碼轉成c++之後，編譯成.so(linux)的庫檔案，就完成了加密效果了。整個過程已經有人寫好了響應的工具，如jumy，具體參考：GitHub - Boris-code/jmpy: python 程式碼加密|加固

使用之前先安裝jumy

pip install jmpy3

然後找到找到專案目錄，在當前開啟終端，並執行下面命令就能夠完成編譯。

jmpy -i "xxx project dir" [-o output dir]

加密後的檔案預設儲存在 dist/project_name/ 下。注意工程資料夾下，凡是帶有if __name__=="__main__"的只要存在都不編譯，註釋掉一樣不編譯。其他的py檔案才編譯。所以在使用時可以把main檔案暴露出來，其他的檔案都編譯成了.so的庫檔案。

優點：.so檔案為二進位制檔案，無法反編譯出原始碼，原始碼可以得到有效保護。

缺點：編譯過程會編譯一些底層的程式碼進去，如python版本之類的，所以編譯後的工程依舊依賴於環境，不能把其他機器上編譯好的檔案直接拿過去用。

二、pytorch模型.pth的加密

對於一個檔案的加密其實還是容易，這裡我們用AES(一種對稱加密演演算法)對模型檔案進行加密。

首先要安裝一個包，裡面包含很多加密演演算法，ubuntu上安裝命令為‘

pip install pycrypto

然後寫一個python指令碼，實現讀取模型檔案，加密後保護的功能，和讀取加密檔案，解密後儲存的功能。

from Crypto.Cipher import AES
from binascii import b2a_hex, a2b_hex
# 如果text不足16位元的倍數就用空格補足為16位元
def add_to_16(text:bytes):
    if len(text) % 16:
        add = 16 - (len(text) % 16)
    else:
        add = 0
    text = text + (b'' * add)
    return text
# 加密函數
def encrypt(text:bytes):
    # key = '9999999999999999'.encode('utf-8')
    key = 'tqsktqsktqsktqsk'.encode('utf-8')
    mode = AES.MODE_CBC
    iv = b'qqqqqqqqqqqqqqqq'
    text = add_to_16(text)
    cryptos = AES.new(key, mode, iv)
    cipher_text = cryptos.encrypt(text)
    # 因為AES加密後的字串不一定是ascii字元集的，輸出儲存可能存在問題，所以這裡轉為16進位制字串
    return b2a_hex(cipher_text)
# 解密後，去掉補足的空格用strip() 去掉
def decrypt(text):
    key = 'tqsktqsktqsktqsk'.encode('utf-8')
    iv = b'qqqqqqqqqqqqqqqq'
    mode = AES.MODE_CBC
    cryptos = AES.new(key, mode, iv)
    plain_text = cryptos.decrypt(a2b_hex(text))
    return plain_text
if __name__ == '__main__':
    # encryption model
    with open('detect_model/checkpoints/xxx_ori.pth', 'rb') as f1:
        encrypted = encrypt(f1.read())
        with open('detect_model/checkpoints/xxx_encryp.pth', 'wb') as f2:
            f2.write(encrypted)
    # decryption model
    with open("./detect_model/checkpoints/xxx_decryp.pth", 'wb') as f:
        content = open('detect_model/checkpoints/xxx_encryp.pth', 'rb').read()
        f.write(decrypt(content))

這裡用的是Crypto.Cipher模組的AES演演算法。模型檔案加密後會比加密前的記憶體大一倍左右。

問題出現了。pytorch讀取模型的函數torch.load()只能讀取檔案，並且返回一個FileIO的物件，來對檔案進行操作。底層都是封死的，如果我們使用加密檔案的時候要先解密成檔案，那還怎麼保密，可是沒有辦法，只能這麼做。

理論上一個可行的辦法是，把加密後的檔案讀入記憶體，然後對讀取的內容(Bytes指標型別)進行解密，此時解密後的內容在記憶體中。但torch.load()只能讀取檔案，所以只能使用C++自己來寫一個工具，完成記憶體解密的內容，載入到pytorch模型的操作，這個流程就比較複雜了，暫時沒有實現。

到此這篇關於Python原始碼加密與Pytorch模型加密分別介紹的文章就介紹到這了,更多相關Python原始碼加密內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

Python原始碼加密與Pytorch模型加密分別介紹

目錄

前言

一、python原始碼的保護

二、pytorch模型.pth的加密

熱門文章