admin 管理员组

文章数量: 1184232

0、前言

深度学习领域，常常用python写代码，而且是建立在一些开源框架之上，如pytorch。在实际的项目部署中，也有用conda环境和python代码去部署服务器，在这个时候，又分为两种情况。

部署方式可分为两种，一种是在线部署，算法服务器归公司所有，只开放API给客户，客户通过POST请求访问算法服务器，上传数据并得到返回结果。这种情况客户当然看不到代码。还有一种是离线部署，就是给客户私有化部署，把公司的代码放到客户的服务器上运行，这种情况下客户能够看到代码。如果是python部署的项目，就需要保护两个东西，一个是模型文件，一个是python源代码。

1、python源代码的保护

由于 Python 的动态特性和开源特点，导致 Python 代码很难做到很好的加密。在实际工程部署中，如果不想让客户看到代码，一般使用C++来部署。

可是自己把代码改成c++也太费劲了，还好python提供了转c++代码的工具cpython，代码转成c++之后，编译成.so(linux)的库文件，就完成了加密效果了。整个过程已经有人写好了响应的工具，如jumy，具体参考：GitHub - Boris-code/jmpy: python 代码加密|加固

使用之前先安装jumy

pip install jmpy3

然后找到找到项目目录，在当前打开终端，并执行下面命令

本文标签： 源码 模型 python pytorch

版权声明：本文标题：Python源码加密与Pytorch模型加密 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1763719226a3264099.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。