基于模型剪枝的深度神经网络分级授权方法的实现

作     者：宋允飞 SONG Yunfei

作者机构：贵州师范大学大数据与计算机科学学院贵州贵阳550025 

基　　金：中央引导地方科技发展专项项目(QKZYD4054) 贵州省教育厅自然科学研究项目(QJJ011) 贵州师范大学学术新秀基金项目(QSXM31) 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2024年第8卷第8期

页      码：128-132,137页

摘      要：基于现有深度神经网络模型无法根据使用权限进行分级授权的问题,设计提出了一种新型的DNN模型分级授权方法,其可以根据模型权限不同分发不同模型精度。该方法依据模型剪枝技术实现了模型性能的分级,利用特定的剪枝速率或剪枝阈值对模型进行剪枝和微调,通过在剪枝和微调阶段对模型进行调整从而使模型输出不同等级的准确率,最后将不同的用户权限与对应等级的准确率相匹配。在多个数据集和DNN模型上进行了实验,并利用CIFAR-10和CIFAR-100数据集进行验证。实验结果表明,该方法能够有效地将模型的性能分级,在多个DNN模型上都有良好的效果。

主 题 词：深度神经网络 分级授权 版权保护 模型剪枝 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19850/j.cnki.2096-4706.2024.08.028

馆 藏 号：203127484...