ai_asset_obfuscate

介绍

ai_asset_obfuscate 是一个Python工程项目，用于注册混淆因子并进行混淆模型权重的工具。

📄 安装依赖

请参阅下文了解快速安装和使用示例。

确保环境安装 Python>=3.8

pip install -r requirements.txt

功能特性

ai_asset_obfuscate 提供以下核心功能：

• ​模型资产混淆​：对模型权重进行混淆保护，支持多种模型类型和自定义配置
• ​数据资产混淆​：对推理数据进行混淆保护，支持一维和二维数据
• ​图片数据混淆​：对图片数据进行混淆保护，支持Base64和字节数组格式
• ​视频数据混淆​：对视频数据进行混淆保护，支持Base64和字节数组格式
• ​口令管理​：提供口令加密功能，保护敏感信息
• ​混淆因子管理​：支持混淆因子的创建、下发和本地保存

支持的模型列表

✅支持，测试验收 ⭕️理论支持，测试无需验收 ❌不支持

模型类型	模型名称	混淆态推理	推荐卡数	推理服务	推理性能测试	混淆态微调	LoRA	推荐卡数	微调后精度测试	备注
DeepSeek	DeepSeek-V3	✅(A2,A3)	A2：16卡 A3：8卡	MindIE	✅(A2,A3)	⭕️	⭕️	-	-
DeepSeek	DeepSeek-R1	✅(A2,A3)	A2：16卡 A3：8卡	MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-0.5B	⭕️	-	MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-1.5B	✅(310,A2,A3)	A2：2卡 A3：1卡	MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-3B	⭕️		MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-7B	✅(310,A2,A3)	A2：2卡 A3：1卡	MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-14B	✅(310,A2,A3)	A2：8卡 A3：4卡	MindIE	-	⭕️	⭕️	-	-
Qwen2.5	Qwen2.5-32B	✅(310,A2,A3)	A2：8卡 A3：4卡	MindIE	✅(A3)	✅(A3)	✅(A2)	A3：8卡	✅(A3)
Qwen2.5	Qwen2.5-72B	⭕️	-	MindIE	-	⭕️	⭕️	-	-
Qwen3	Qwen3-0.6B	⭕️	-	MindIE	-	⭕️	⭕️	-	-
Qwen3	Qwen3-1.7B	✅(A2)	A2：1卡	MindIE	-	✅(A2)	✅(A2)	A2：8卡	-
Qwen3	Qwen3-4B	⭕️	-	MindIE	-	⭕️	⭕️	-		-
Qwen3	Qwen3-8B	✅(A2)	A2：1卡	MindIE	-	✅(A2)	✅(A2)	A2：8卡	-
Qwen3	Qwen3-14B	✅(310)	310：8卡	MindIE	✅(A2)	⭕️	⭕️	-	-
Qwen3	Qwen3-32B	⭕️	-	MindIE	-	✅(A3)	✅(A3)	A3：8卡	✅(A3)
Qwen3	Qwen3-30B-A3B	✅(A2)	A2：4卡	vLLM	-	✅(A2)	✅(A2)	A2：16卡	-
Qwen3	Qwen3-235B-A22B	✅(A3)	A3：8卡	vLLM	-	⭕️	⭕️	-	-
Qwen3-VL	Qwen3-VL-2B	⭕️	-	vLLM	-	⭕️	❌	-	-
Qwen3-VL	Qwen3-VL-4B	⭕️	-	vLLM	-	⭕️	❌	-	-
Qwen3-VL	Qwen3-VL-8B	✅(310)	310：2卡	vLLM	-	✅(A2)	❌	A2：8卡	-
Qwen3-VL	Qwen3-VL-32B	✅(A3)	A3：4卡	vLLM	✅(A3)	✅(A3)	❌	A3：8卡	✅(A3)
Qwen3-VL	Qwen3-VL-30B-A3B	✅(A2)	A2：2卡	vLLM	✅(A2)	✅(A3)	❌	A3：8卡	-
Qwen3-VL	Qwen3-VL-235B-A22B	⭕️	-	vLLM	-	⭕️	❌	-	-
Qwen3-Omni	-	❌	-	vLLM	-	❌	❌	-	-
Qwen3-Audio	-	❌	-	vLLM	-	❌	❌	-	-

快速开始

模型混淆示例

from ai_asset_obfuscate import ModelAssetObfuscation, ErrorCode, ModelType

# 创建模型混淆实例
model = ModelAssetObfuscation.create_model_obfuscation(
    model_path="/path/to/model",
    model_type=ModelType.Qwen3,
    tp_num=4
)

# 设置混淆因子
result = model.set_seed_content(
    seed_type=1,  # 模型混淆因子
    seed_content="your_seed_content_32_chars_min"
)
if result != ErrorCode.SUCCESS.value:
    print(f"设置混淆因子失败: {result}")

# 执行模型混淆
result = model.model_weight_obf(
    obf_type=1,  # 0:使用所有混淆因子, 1:仅使用模型混淆因子, 2:仅使用数据混淆因子
    model_save_path="/path/to/model_save_path",
    device_type = "cpu",
    device_id=[0, 1, 2, 3]
)
if result == ErrorCode.SUCCESS.value:
    print("模型混淆成功")

数据混淆示例

from ai_asset_obfuscate import DataAssetObfuscation, ErrorCode, ModelType

# 创建数据混淆实例
data_obf = DataAssetObfuscation(
    vocab_size=32000,
    token_white_list=[0, 1]  # 不做混淆的token白名单
)

# 设置混淆因子
result = data_obf.set_seed_content(
    seed_content="your_seed_content_32_chars_min",
    is_local_save=False,
    seed_ciphertext_dir=None
)

# 混淆二维数据
tokens = [[1, 2, 3], [4, 5, 6]]
obf_tokens = data_obf.data_2d_obf(tokens)

# 解混淆二维数据
deobf_tokens = data_obf.data_2d_deobf(obf_tokens)

图片混淆示例

from ai_asset_obfuscate.vision_api import ImageDataAssetObfuscation

# 创建图片混淆实例
image_obf = ImageDataAssetObfuscation()

# 设置混淆因子
image_obf.set_seed_content("your_seed_content_32_chars_min")

# 混淆Base64格式图片
image_base64 = "iVBORw0KGgoAAAANSUhEUgAA..."
obf_image = image_obf.image_base64_obf(image_base64)

视频混淆示例

from ai_asset_obfuscate.vision_api import VideoDataAssetObfuscation

# 创建视频混淆实例
image_obf = VideoDataAssetObfuscation()

# 设置混淆因子
image_obf.set_seed_content("your_seed_content_32_chars_min")

# 混淆Base64格式视频
video_base64 = "iVBORw0KGgoAAAANSUhEUgAA..."
obf_video = image_obf.video_base64_obf(video_base64 )

API接口文档

接口文档

混淆因子管理

混淆因子类型

• ​**模型混淆因子（类型1）**​：用于模型权重混淆
• ​**数据混淆因子（类型2）**​：用于推理数据混淆

混淆因子生命周期

1. ​创建​：通过distribute_obf_seed或local_save_obf_seed创建混淆因子
2. ​下发​：通过TLS/PSK安全通道下发到NPU设备
3. ​使用​：在混淆/解混淆操作中使用混淆因子
4. ​管理​：支持本地保存和远程下发两种方式

混淆因子设置方式

• ​直接设置​：通过set_seed_content方法直接设置混淆因子明文
• ​安全通道设置​：通过set_seed_safer方法通过TLS/PSK安全通道设置
• ​本地加载​：通过set_seed_content方法的is_local_save参数从本地加载

安全特性

TLS/PSK安全机制

obf_sdk 采用双重安全机制保护混淆因子：

• ​**TLS（Transport Layer Security）**​：提供安全的通信通道，确保混淆因子在传输过程中的安全性
• ​**PSK（Pre-Shared Key）**​：使用预共享密钥进行额外的安全验证

口令加密要求

加密口令需满足以下要求：

• 长度：40-64字符
• 必须包含以下至少2种字符类型：
  • 大写字母（A-Z）
  • 小写字母（a-z）
  • 数字（0-9）
  • 特殊字符（如!@#$%^&*等）

安全建议

1. 定期更换混淆因子和口令
2. 使用强密码生成器创建混淆因子
3. 妥善保管TLS证书和PSK密钥
4. 限制混淆因子的访问权限
5. 定期审计混淆因子的使用记录

错误码

常见错误码

错误码	错误信息	说明
0	Success	操作成功
1	Failed	操作失败
2	Failed To Load Library	加载库失败
1001	Parameter validation failed	参数验证失败
1002	Path validation failed	路径验证失败
1003	Obfuscate seed content validation failed	混淆因子内容验证失败
1004	The config param tp number validation failed	TP数量验证失败
1005	The obfuscate config path validation failed	配置路径验证失败
1006	The obfuscate config file is incorrect json format	配置文件JSON格式错误
1007	The model type validation failed	模型类型验证失败
1015	There is insufficient disk space	磁盘空间不足
1016	Unknown I/O error	未知I/O错误
2001	Encryption passwd failed	口令加密失败
2002	Decryption passwd failed	口令解密失败
2003	Create obfuscate seed failed	创建混淆因子失败
2004	Query obfuscate seed failed	查询混淆因子失败
3001	Generated random list failed	生成随机列表失败
3002	The size of vocab must be greater than zero	词汇表大小必须大于0
3003	Item type must be int and item must less than vocab_size	元素类型必须为int且小于词汇表大小
4001	The op_type is not supported on the model shape	操作类型不支持该模型形状
5001	The flag validation failed	标志验证失败
5002	Model weight obfuscation for model protection has already been completed	模型保护混淆已完成
5003	Model weight obfuscation for data protection has already been completed	数据保护混淆已完成
5004	Model and data protection via weight obfuscation has already been completed	模型和数据保护混淆已完成
5005	Failed to read configuration file	读取配置文件失败
5006	Failed to update configuration file	更新配置文件失败
5007	Model weights do not support current de-obfuscation operation	模型权重不支持当前解混淆操作
5008	Failed to decode base64 string	Base64解码失败
5009	Failed to open image	打开图片失败
5010	Failed to open video	打开视频失败
5011	The seed content is not set	混淆因子内容未设置
5016	Failed to create weight obfuscator	创建权重混淆器失败
5017	Failed to apply weight obfuscation	应用权重混淆失败
5018	Obfuscator is not initialized	混淆器未初始化

构建 whl 包

方法一：使用构建脚本

1. 进入 TrustAiSDK 目录：

   cd TrustAiSDK
   

2. 运行构建脚本：

   bash build.sh
   

   脚本会自动：

   • 检查并安装构建依赖（setuptools、wheel、build）
   • 自动检测系统架构并构建对应架构的 whl 包
   • 下载对应架构的 so 文件并复制到 ai_asset_obfuscate/libs 目录
   • 将生成的 whl 文件复制到 output 目录

指定架构构建

如果需要为特定架构构建 whl 包，可以使用 --arch 参数：

# 构建 x86_64 架构的 whl 包
bash build.sh --arch=x86_64

# 构建 aarch64 架构的 whl 包
bash build.sh --arch=aarch64

构建结果

构建完成后，生成的 whl 包会位于 TrustAiSDK/output 目录中，文件名为 ai_asset_obfuscate-1.0.0-py3-none-linux_{arch}.whl，其中 {arch} 为 x86_64 或 aarch64。