如何在 Tensorflow.js 中保护（混淆/DRM）训练模型权重？

Question

我正在开发一个基于 React 的 Web 应用程序，该应用程序使用 Tensorflow.js 在浏览器的客户端上实时运行 AI 模型。我从头开始训练这个 AI 模型，我想保护它不被拦截并用于其他项目。是否有任何保护措施可以做到这一点（混淆、DRM 等）？

从业务角度来看，我只希望该模型适用于我的网络应用程序，而不是其他任何地方。

我在这方面找到的讨论 ( 1 2 3 ) 更适合本机应用程序，而不是 Web 应用程序。

这是一个使用 Tensorflow.js 的开源 Web 应用示例。这些权重是我希望在我的应用程序中保护的示例。

Answer 1

客户端代码混淆永远不会完全阻止它。改用服务器。

如果您的客户端应用程序包含模型，那么用户将能够以某种方式提取它。你可以让用户更难，但它永远是可能的。一些使它更难的技术是：

混淆您的代码：这样用户将无法轻松阅读您的代码和注释。根据您的构建工具，当您生成“生产就绪”构建时，这可能已经为您完成。
混淆库及其公共 API：即使您的代码被混淆，用户仍然可以通过查看库的公共 API 调用来猜测发生了什么。示例：在model.predict函数处设置断点并从那里调试代码会相当容易。通过混淆库及其 API，这将变得更加困难。
在您的代码中放置“特殊检查”：您还可以检查运行代码的页面是否是您的页面（例如，域是否匹配）等。您还想混淆此代码。

即使您的代码被完全混淆并受到良好保护，您的客户端代码仍然在某处包含您的模型。使用这些方法总是可以以某种方式提取您的模型。

为了使您的模型无法获得，您需要一种不同的方法。只把你的“愚蠢的逻辑”放在客户端上。排除要保护的代码部分。相反，您在服务器上提供一个 API 来执行代码的“受保护部分”。

这样，您无需model.predict在客户端运行，而是向后端发出 AJAX 请求（带有参数），然后返回结果。这样用户只能看到输入和输出，而不能提取模型本身。

请记住，这意味着更多的工作，因为您不仅需要为客户端应用程序编写代码，还需要为服务器端应用程序编写代码，包括 API。根据您的应用程序的外观（例如：它有登录名吗？），这可能需要更多的代码。