前言

深度學習領域，常常用python寫代碼，而且是建立在一些開源框架之上，如pytorch。在實際的項目部署中，也有用conda環(huán)境和python代碼去部署服務器，在這個時候，又分為兩種情況。

部署方式可分為兩種，一種是在線部署，算法服務器歸公司所有，只開放API給客戶，客戶通過POST請求訪問算法服務器，上傳數(shù)據(jù)并得到返回結果。這種情況客戶當然看不到代碼。還有一種是離線部署，就是給客戶私有化部署，把公司的代碼放到客戶的服務器上運行，這種情況下客戶能夠看到代碼。如果是python部署的項目，就需要保護兩個東西，一個是模型文件，一個是python源代碼。

一、python源代碼的保護

由于 Python 的動態(tài)特性和開源特點，導致 Python 代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代碼，一般使用C++來部署。

可是自己把代碼改成c++也太費勁了，還好python提供了轉c++代碼的工具cpython，代碼轉成c++之后，編譯成.so(linux)的庫文件，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 代碼加密|加固

使用之前先安裝jumy

pip install jmpy3

然后找到找到項目目錄，在當前打開終端，并執(zhí)行下面命令就能夠完成編譯。

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

加密后的文件默認存儲在 dist/project_name/ 下。注意工程文件夾下，凡是帶有if __name__=="__main__"的只要存在都不編譯，注釋掉一樣不編譯。其他的py文件才編譯。所以在使用時可以把main文件暴露出來，其他的文件都編譯成了.so的庫文件。

優(yōu)點：.so文件為二進制文件，無法反編譯出源代碼，源碼可以得到有效保護。

缺點：編譯過程會編譯一些底層的代碼進去，如python版本之類的，所以編譯后的工程依舊依賴于環(huán)境，不能把其他機器上編譯好的文件直接拿過去用。

二、pytorch模型.pth的加密

對于一個文件的加密其實還是容易，這里我們用AES(一種對稱加密算法)對模型文件進行加密。

首先要安裝一個包，里面包含很多加密算法，ubuntu上安裝命令為‘

pip install pycrypto

然后寫一個python腳本，實現(xiàn)讀取模型文件，加密后保護的功能，和讀取加密文件，解密后保存的功能。

from Crypto.Cipher import AES
from binascii import b2a_hex, a2b_hex
# 如果text不足16位的倍數(shù)就用空格補足為16位
def add_to_16(text:bytes):
    if len(text) % 16:
        add = 16 - (len(text) % 16)
    else:
        add = 0
    text = text + (b'\0' * add)
    return text
# 加密函數(shù)
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加密后的字符串不一定是ascii字符集的，輸出保存可能存在問題，所以這里轉為16進制字符串
    return b2a_hex(cipher_text)
# 解密后，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))

這里用的是Crypto.Cipher模塊的AES算法。模型文件加密后會比加密前的內存大一倍左右。

問題出現(xiàn)了。pytorch讀取模型的函數(shù)torch.load()只能讀取文件，并且返回一個FileIO的對象，來對文件進行操作。底層都是封死的，如果我們使用加密文件的時候要先解密成文件，那還怎么保密，可是沒有辦法，只能這么做。

理論上一個可行的辦法是，把加密后的文件讀入內存，然后對讀取的內容(Bytes指針類型)進行解密，此時解密后的內容在內存中。但torch.load()只能讀取文件，所以只能使用C++自己來寫一個工具，完成內存解密的內容，加載到pytorch模型的操作，這個流程就比較復雜了，暫時沒有實現(xiàn)。

到此這篇關于Python源碼加密與Pytorch模型加密分別介紹的文章就介紹到這了,更多相關Python源碼加密內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論