更新时间：2026-10-29 GMT+08:00

模型混淆

在企业将自有模型部署至云端推理时，模型参数在内存中明文存在，存在核心资产泄露风险。华为云数据安全中心（DSC）提供模型混淆功能，通过对模型算子注入混淆因子，在NPU侧独立的混淆环境中部署混淆算子，使模型推理过程以混淆态运行，原始模型权重不以明文暴露于内存中，有效防止模型在云端推理过程中被窃取或逆向还原，保障企业核心AI资产安全。

基本概念

使用模型混淆功能前，先了解以下名词的含义：

ModelArts / 开源AI平台：顶层AI平台，提供模型训练、部署和推理的运行环境。
Host（主机）：主机层，运行容器、AI软件栈和大模型推理服务。
容器：隔离运行环境，承载大模型推理服务。
AI软件栈：连接上层 AI 框架与底层芯片硬件的计算中间件。
大模型推理服务：在容器中运行的大模型推理引擎。
NPU Device 1：NPU加速卡，支持多机多卡并行推理。
AI Core：NPU的核心计算单元，执行实际运算。
常规算子：NPU上的标准AI计算算子。
混淆环境：执行混淆算子的运算环境。
混淆算子：经过混淆处理的特殊算子，与常规算子协同完成受保护推理。
混淆 SDK：模型混淆和推理数据混淆的SDK，负责将模型转换为混淆模型，以及推理请求的混淆和推理结果的解混淆。
混淆因子：混淆参数（如Seed），驱动混淆算子的行为。不同模型不建议使用相同混淆因子。

应用场景

企业大模型上云：企业将自研或微调的大模型部署到行业云推理服务，需防止模型权重在云端被窃取。
敏感数据推理服务：金融、政务、医疗等行业用户使用云端大模型处理敏感数据，需确保提示词与推理结果不被云端获取。
多租户 AI 平台：AI平台为多租户提供共享推理服务，需在租户间实现数据与模型隔离，防止跨租户泄露。

方案架构

DSC模型混淆功能通过对AI模型注入混淆因子，在NPU侧的混淆环境中部署混淆算子，实现模型推理过程中的权重、输入输出数据的保护。

点击放大

模型混淆的两大流程：

模型部署：原始模型 → 混淆SDK（加载混淆因子，执行混淆）→ 混淆模型 → 部署到推理环境。
模型推理：原始推理数据 → 混淆SDK → 混淆态推理数据 → 云上推理环境 → 混淆态推理结果 → 混淆SDK → 原始推理结果。

方案优势

高安全：模型和数据（文本/图片/视频）端到端混淆，全链路无明文流转。
易改造：原生适配现有推理框架MindIE和vLLM，支持DeepSeek、Qwen。
高能效：不依赖TEE等机密计算硬件，推理性能和精度很高。

前提条件

已购买数据安全屋。

执行模型混淆

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。

支持的模型类型

模型类型	模型名称
DeepSeek	DeepSeek-V3、DeepSeek-R1
Qwen2.5	Qwen2.5-0.5B、Qwen2.5-1.5B、Qwen2.5-3B、Qwen2.5-7B、Qwen2.5-14B、Qwen2.5-32B、Qwen2.5-72B
Qwen3	Qwen3-0.6B、Qwen3-1.7B、Qwen3-4B、Qwen3-8B、Qwen3-14B、Qwen3-32B、Qwen3-30B-A3B、Qwen3-235B-A22B、
Qwen3-VL	Qwen3-VL-2B、Qwen3-VL-4B、Qwen3-VL-8B、Qwen3-VL-32B、Qwen3-VL-30B-A3B、Qwen3-VL-235B-A22B

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，不同模型不建议使用相同混淆因子
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,  #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")

执行数据混淆

对推理数据进行混淆保护，支持一维和二维数据。

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，不同模型不建议使用相同混淆因子
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)

查看模型混淆操作记录

登录DSC服务控制台。
在左侧导航栏中，选择“数据安全屋”，进入“数据安全屋”控制台。

在左侧导航栏中，选择“模型混淆”，查看模型混淆列表，参数说明如表1所示。

图1 模型混淆

表1 模型混淆参数列表
参数名称	参数说明
模型名称	被混淆处理的AI模型名称。
模型类型	模型的架构类型标签，如 deepseek_v3（DeepSeek系列）、qwen3_moe（Qwen3混合专家模型）。
Seed摘要	混淆操作的随机种子哈希值摘要，用于标识本次混淆的参数指纹，确保混淆结果可追溯。
混淆时间	执行模型混淆操作的时间戳。
客户端个数	该混淆模型当前分发的客户端节点数量。

单击客户端个数，可查看混淆模型中分发的客户端节点的客户端IP和上报时间。