基于设备历史记录的模型版权管理方法及系统与流程

1.本发明涉及版权数据处理技术领域，尤其涉及一种基于设备历史记录的模型版权管理方法及系统。


背景技术：

2.随着3d打印技术的发展，越来越多的模型制作者开始加入到3d打印的产业中，这些制作者的模型作品的版权保护问题也日渐成为焦点，同时随着模型文件的数量的增加和模型管理平台的不断涌现，如何提高这些模型授权的安全性开始得到重视。
3.但现有技术在实现模型文件的版权管理时，一般仅通过常规的加解密认证技术来实现设备的授权，没有考虑充分结合设备的多种历史记录来提高对设备的识别准确度，因此其风险仍然较高。可见，现有技术存在缺陷，亟需解决。


技术实现要素：

4.本发明所要解决的技术问题在于，提供一种基于设备历史记录的模型版权管理方法及系统，能够达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
5.为了解决上述技术问题，本发明第一方面公开了一种基于设备历史记录的模型版权管理方法，所述方法包括：响应于目标三维打印设备针对目标模型的授权请求，获取所述目标三维打印设备发送的设备参数以及历史数据处理记录；根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录；根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数；根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权。
6.作为一种可选的实施方式，在本发明第一方面中，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
7.作为一种可选的实施方式，在本发明第一方面中，所述根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录，包括：对于预设的历史数据库中的任意一个候选历史数据请求记录，获取该历史数据请求记录对应的请求设备参数；计算该请求设备参数与所述设备参数的参数相似度；将所述参数相似度大于预设的参数相似度阈值的所有所述候选历史数据请求记录，确定为所述目标三维打印设备的历史数据请求记录。
8.作为一种可选的实施方式，在本发明第一方面中，所述根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危
险性参数，包括：对于所述历史数据处理记录中的任一处理记录和所述历史数据请求记录中的任一请求记录，根据预设的时间相似度算法，计算该处理记录的记录时间和该请求记录的记录时间之间的时间相似度；判断所述时间相似度是否大于预设的时间相似度阈值，若是，则将该处理记录和该请求记录，归为一个记录组；根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数。
9.作为一种可选的实施方式，在本发明第一方面中，所述根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数，包括：对于任一所述记录组，将该记录组中的所有处理记录和请求记录对应的记录时间和记录数据，输入至训练好的危险性预测神经网络中，以得到该记录组对应的危险性预测参数；所述危险性预测神经网络通过包括有多个训练记录时间和训练记录数据以及对应的危险性标注的训练数据集训练得到；计算所有所述记录组的危险性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备危险性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的记录数量成正比，与所述记录组中的所有记录的记录平均时间间隔成反比；对于任一所述记录组，将该记录组中的所有处理记录的记录数据作为处理记录数据组，将该记录组中的所有请求记录的记录数据作为请求记录数据组，将所述处理记录数据组和所述请求记录数据组输入至训练好的一致性预测神经网络中，以得到该记录组对应的一致性预测参数；所述一致性预测神经网络通过包括有多个训练处理记录数据组和训练请求记录数据组和对应的一致性标注的训练数据集训练得到；计算所有所述记录组的一致性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备一致性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的所有记录之间对应的所有所述时间相似度的平均值成正比。
10.作为一种可选的实施方式，在本发明第一方面中，所述根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权，包括：判断所述设备危险性参数是否大于预设的危险性阈值，得到第一判断结果；若所述第一判断结果为是，确定不对所述目标三维打印设备进行授权；若所述第一判断结果为否，判断所述设备一致性参数是否大于预设的一致性阈值，得到第二判断结果；若所述第二判断结果为是，确定对所述目标三维打印设备进行授权；若所述第二判断结果为否，根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权。
11.作为一种可选的实施方式，在本发明第一方面中，所述根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权，包括：计算所述设备一致性参数与所述一致性阈值之间的差值，得到第一差值；
计算所述设备危险性参数与所述危险性阈值之间的差值，得到第二差值；计算所述第一差值和所述第二差值的比值；将所述比值输入至训练好的授权判断神经网络模型，以得到输出的判断结果，根据所述判断结果确定是否对所述目标三维打印设备进行授权；所述授权判断神经网络模型通过包括有多个数据记录对应的所述比值和对应的是否授权标注的训练数据集训练得到。
12.本发明第二方面公开了一种基于设备历史记录的模型版权管理系统，所述系统包括：获取模块，用于响应于目标三维打印设备针对目标模型的授权请求，获取所述目标三维打印设备发送的设备参数以及历史数据处理记录；筛选模块，用于根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录；确定模块，用于根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数；授权模块，用于根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权。
13.作为一种可选的实施方式，在本发明第二方面中，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
14.作为一种可选的实施方式，在本发明第二方面中，所述筛选模块根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录的具体方式，包括：对于预设的历史数据库中的任意一个候选历史数据请求记录，获取该历史数据请求记录对应的请求设备参数；计算该请求设备参数与所述设备参数的参数相似度；将所述参数相似度大于预设的参数相似度阈值的所有所述候选历史数据请求记录，确定为所述目标三维打印设备的历史数据请求记录。
15.作为一种可选的实施方式，在本发明第二方面中，所述确定模块根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数的具体方式，包括：对于所述历史数据处理记录中的任一处理记录和所述历史数据请求记录中的任一请求记录，根据预设的时间相似度算法，计算该处理记录的记录时间和该请求记录的记录时间之间的时间相似度；判断所述时间相似度是否大于预设的时间相似度阈值，若是，则将该处理记录和该请求记录，归为一个记录组；根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数。
16.作为一种可选的实施方式，在本发明第二方面中，所述确定模块根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数的具体方式，包括：对于任一所述记录组，将该记录组中的所有处理记录和请求记录对应的记录时间
和记录数据，输入至训练好的危险性预测神经网络中，以得到该记录组对应的危险性预测参数；所述危险性预测神经网络通过包括有多个训练记录时间和训练记录数据以及对应的危险性标注的训练数据集训练得到；计算所有所述记录组的危险性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备危险性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的记录数量成正比，与所述记录组中的所有记录的记录平均时间间隔成反比；对于任一所述记录组，将该记录组中的所有处理记录的记录数据作为处理记录数据组，将该记录组中的所有请求记录的记录数据作为请求记录数据组，将所述处理记录数据组和所述请求记录数据组输入至训练好的一致性预测神经网络中，以得到该记录组对应的一致性预测参数；所述一致性预测神经网络通过包括有多个训练处理记录数据组和训练请求记录数据组和对应的一致性标注的训练数据集训练得到；计算所有所述记录组的一致性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备一致性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的所有记录之间对应的所有所述时间相似度的平均值成正比。
17.作为一种可选的实施方式，在本发明第二方面中，所述授权模块根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权的具体方式，包括：判断所述设备危险性参数是否大于预设的危险性阈值，得到第一判断结果；若所述第一判断结果为是，确定不对所述目标三维打印设备进行授权；若所述第一判断结果为否，判断所述设备一致性参数是否大于预设的一致性阈值，得到第二判断结果；若所述第二判断结果为是，确定对所述目标三维打印设备进行授权；若所述第二判断结果为否，根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权。
18.作为一种可选的实施方式，在本发明第二方面中，所述授权模块根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权的具体方式，包括：计算所述设备一致性参数与所述一致性阈值之间的差值，得到第一差值；计算所述设备危险性参数与所述危险性阈值之间的差值，得到第二差值；计算所述第一差值和所述第二差值的比值；将所述比值输入至训练好的授权判断神经网络模型，以得到输出的判断结果，根据所述判断结果确定是否对所述目标三维打印设备进行授权；所述授权判断神经网络模型通过包括有多个数据记录对应的所述比值和对应的是否授权标注的训练数据集训练得到。
19.本发明第三方面公开了另一种基于设备历史记录的模型版权管理系统，所述系统包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于设备历史记录的模型版权管理方法中的部分或全部步骤。
20.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于设备历史记录的模型版权管理方法中的部分或全部步骤。
21.与现有技术相比，本发明具有以下有益效果：本发明能够基于设备的历史请求记录和数据处理记录来更加全面地分析设备的一致性和危险性，以确定是否授权，从而能够达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
附图说明
22.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1是本发明实施例公开的一种基于设备历史记录的模型版权管理方法的流程示意图；图2是本发明实施例公开的一种基于设备历史记录的模型版权管理系统的结构示意图；图3是本发明实施例公开的另一种基于设备历史记录的模型版权管理系统的结构示意图。
具体实施方式
24.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
26.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
27.本发明公开了一种基于设备历史记录的模型版权管理方法及系统，能够基于设备的历史请求记录和数据处理记录来更加全面地分析设备的一致性和危险性，以确定是否授权，从而能够达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。以下分别进行详细说明。
28.实施例一
请参阅图1，图1是本发明实施例公开的一种基于设备历史记录的模型版权管理方法的流程示意图。其中，图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定如图1所示，该基于设备历史记录的模型版权管理方法可以包括以下操作：101、响应于目标三维打印设备针对目标模型的授权请求，获取目标三维打印设备发送的设备参数以及历史数据处理记录。
29.可选的，历史数据处理记录可以为目标三维打印设备的数据处理器记录和保存的在历史时间段内处理的数据的细节，由目标三维打印设备发送。
30.102、根据设备参数，从预设的历史数据库中确定出目标三维打印设备的历史数据请求记录。
31.可选的，设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
32.103、根据历史数据处理记录和历史数据请求记录，确定目标三维打印设备对应的设备一致性参数和设备危险性参数。
33.104、根据设备一致性参数和设备危险性参数，确定是否对目标三维打印设备进行授权。
34.可见，实施本发明实施例所描述的方法能够基于设备的历史请求记录和数据处理记录来更加全面地分析设备的一致性和危险性，以确定是否授权，从而能够达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
35.作为一种可选的实施例，上述步骤中的，根据设备参数，从预设的历史数据库中确定出目标三维打印设备的历史数据请求记录，包括：对于预设的历史数据库中的任意一个候选历史数据请求记录，获取该历史数据请求记录对应的请求设备参数；计算该请求设备参数与设备参数的参数相似度；将参数相似度大于预设的参数相似度阈值的所有候选历史数据请求记录，确定为目标三维打印设备的历史数据请求记录。
36.可选的，参数相似度可以通过数据相似度算法来计算，例如向量距离算法或其他数据一致性衡量的算法。
37.通过上述实施例，可以筛选出参数相似度大于预设的参数相似度阈值的所有候选历史数据请求记录，确定为目标三维打印设备的历史数据请求记录，以使得后续可以根据历史数据请求记录来更加全面地分析设备的一致性和危险性，达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
38.作为一种可选的实施例，上述步骤中的，根据历史数据处理记录和历史数据请求记录，确定目标三维打印设备对应的设备一致性参数和设备危险性参数，包括：对于历史数据处理记录中的任一处理记录和历史数据请求记录中的任一请求记录，根据预设的时间相似度算法，计算该处理记录的记录时间和该请求记录的记录时间之间的时间相似度；判断时间相似度是否大于预设的时间相似度阈值，若是，则将该处理记录和该请求记录，归为一个记录组；
根据每一记录组中的数据，以及神经网络算法，确定目标三维打印设备对应的设备一致性参数和设备危险性参数。
39.可选的，时间相似度算法可以为根据预设的合理相邻时间差区间来判断两个记录时间的时间差是否落入该区间，以判断其相似度，或是根据训练好的神经网络模型来预测其相似度。
40.通过上述实施例，可以将时间相似度高的记录进行组合以得到多个记录组，后续可以根据记录组中相关联的数据来更加全面地分析设备的一致性和危险性，达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
41.作为一种可选的实施例，上述步骤中的，根据每一记录组中的数据，以及神经网络算法，确定目标三维打印设备对应的设备一致性参数和设备危险性参数，包括：对于任一记录组，将该记录组中的所有处理记录和请求记录对应的记录时间和记录数据，输入至训练好的危险性预测神经网络中，以得到该记录组对应的危险性预测参数；危险性预测神经网络通过包括有多个训练记录时间和训练记录数据以及对应的危险性标注的训练数据集训练得到；计算所有记录组的危险性预测参数的加权求和平均值，得到目标三维打印设备对应的设备危险性参数；其中，每一记录组的危险性预测参数的权重与记录组中的记录数量成正比，与记录组中的所有记录的记录平均时间间隔成反比；对于任一记录组，将该记录组中的所有处理记录的记录数据作为处理记录数据组，将该记录组中的所有请求记录的记录数据作为请求记录数据组，将处理记录数据组和请求记录数据组输入至训练好的一致性预测神经网络中，以得到该记录组对应的一致性预测参数；一致性预测神经网络通过包括有多个训练处理记录数据组和训练请求记录数据组和对应的一致性标注的训练数据集训练得到；计算所有记录组的一致性预测参数的加权求和平均值，得到目标三维打印设备对应的设备一致性参数；其中，每一记录组的危险性预测参数的权重与记录组中的所有记录之间对应的所有时间相似度的平均值成正比。
42.可选的，本发明中的神经网络模型均可以为cnn结构、rnn结构或ltsm结构的神经网络模型。
43.通过上述实施例，可以根据每一记录组中的数据以及神经网络算法和权重算法来预测记录组中的数据的一致性和危险性，以确定目标三维打印设备对应的设备一致性参数和设备危险性参数，后续可以根据两个参数来确定是否授权，达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
44.作为一种可选的实施例，上述步骤中的，根据设备一致性参数和设备危险性参数，确定是否对目标三维打印设备进行授权，包括：判断设备危险性参数是否大于预设的危险性阈值，得到第一判断结果；若第一判断结果为是，确定不对目标三维打印设备进行授权；若第一判断结果为否，判断设备一致性参数是否大于预设的一致性阈值，得到第二判断结果；若第二判断结果为是，确定对目标三维打印设备进行授权；若第二判断结果为否，根据设备一致性参数和设备危险性参数，基于神经网络算
法，确定是否对目标三维打印设备进行授权。
45.通过上述实施例，可以根据设备一致性参数和设备危险性参数，以及预设的判断规则来确定是否授权，以在危险性高时直接拒绝授权，在危险性低且一致性高时直接授权，达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
46.作为一种可选的实施例，上述步骤中的，根据设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对目标三维打印设备进行授权，包括：计算设备一致性参数与一致性阈值之间的差值，得到第一差值；计算设备危险性参数与危险性阈值之间的差值，得到第二差值；计算第一差值和第二差值的比值；将比值输入至训练好的授权判断神经网络模型，以得到输出的判断结果，根据判断结果确定是否对目标三维打印设备进行授权；授权判断神经网络模型通过包括有多个数据记录对应的比值和对应的是否授权标注的训练数据集训练得到。
47.同时，上述比值可以用于衡量神经网络模型的预测精准度，这是因为设备一致性与设备危险性之间是显然成反相关的关系的，不一致的设备进行冒充攻击的情况下，其危险性应得到准确预测，因此在模型判断不精准的情况下，该比值会呈现出一定的数据特性，可通过神经网络模型进行预测识别。
48.通过上述实施例，可以根据一致性参数和危险性参数的差值比值和授权判断神经网络模型的判断结果确定是否对目标三维打印设备进行授权，达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。
49.实施例二请参阅图2，图2是本发明实施例公开的一种基于设备历史记录的模型版权管理系统的结构示意图。其中，图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该系统可以包括：获取模块201，用于响应于目标三维打印设备针对目标模型的授权请求，获取目标三维打印设备发送的设备参数以及历史数据处理记录；筛选模块202，用于根据设备参数，从预设的历史数据库中确定出目标三维打印设备的历史数据请求记录；确定模块203，用于根据历史数据处理记录和历史数据请求记录，确定目标三维打印设备对应的设备一致性参数和设备危险性参数；授权模块204，用于根据设备一致性参数和设备危险性参数，确定是否对目标三维打印设备进行授权。
50.作为一种可选的实施例，设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
51.作为一种可选的实施例，筛选模块202根据设备参数，从预设的历史数据库中确定出目标三维打印设备的历史数据请求记录的具体方式，包括：对于预设的历史数据库中的任意一个候选历史数据请求记录，获取该历史数据请求记录对应的请求设备参数；计算该请求设备参数与设备参数的参数相似度；
将参数相似度大于预设的参数相似度阈值的所有候选历史数据请求记录，确定为目标三维打印设备的历史数据请求记录。
52.作为一种可选的实施例，确定模块203根据历史数据处理记录和历史数据请求记录，确定目标三维打印设备对应的设备一致性参数和设备危险性参数的具体方式，包括：对于历史数据处理记录中的任一处理记录和历史数据请求记录中的任一请求记录，根据预设的时间相似度算法，计算该处理记录的记录时间和该请求记录的记录时间之间的时间相似度；判断时间相似度是否大于预设的时间相似度阈值，若是，则将该处理记录和该请求记录，归为一个记录组；根据每一记录组中的数据，以及神经网络算法，确定目标三维打印设备对应的设备一致性参数和设备危险性参数。
53.作为一种可选的实施例，确定模块203根据每一记录组中的数据，以及神经网络算法，确定目标三维打印设备对应的设备一致性参数和设备危险性参数的具体方式，包括：对于任一记录组，将该记录组中的所有处理记录和请求记录对应的记录时间和记录数据，输入至训练好的危险性预测神经网络中，以得到该记录组对应的危险性预测参数；危险性预测神经网络通过包括有多个训练记录时间和训练记录数据以及对应的危险性标注的训练数据集训练得到；计算所有记录组的危险性预测参数的加权求和平均值，得到目标三维打印设备对应的设备危险性参数；其中，每一记录组的危险性预测参数的权重与记录组中的记录数量成正比，与记录组中的所有记录的记录平均时间间隔成反比；对于任一记录组，将该记录组中的所有处理记录的记录数据作为处理记录数据组，将该记录组中的所有请求记录的记录数据作为请求记录数据组，将处理记录数据组和请求记录数据组输入至训练好的一致性预测神经网络中，以得到该记录组对应的一致性预测参数；一致性预测神经网络通过包括有多个训练处理记录数据组和训练请求记录数据组和对应的一致性标注的训练数据集训练得到；计算所有记录组的一致性预测参数的加权求和平均值，得到目标三维打印设备对应的设备一致性参数；其中，每一记录组的危险性预测参数的权重与记录组中的所有记录之间对应的所有时间相似度的平均值成正比。
54.作为一种可选的实施例，授权模块204根据设备一致性参数和设备危险性参数，确定是否对目标三维打印设备进行授权的具体方式，包括：判断设备危险性参数是否大于预设的危险性阈值，得到第一判断结果；若第一判断结果为是，确定不对目标三维打印设备进行授权；若第一判断结果为否，判断设备一致性参数是否大于预设的一致性阈值，得到第二判断结果；若第二判断结果为是，确定对目标三维打印设备进行授权；若第二判断结果为否，根据设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对目标三维打印设备进行授权。
55.作为一种可选的实施例，授权模块204根据设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对目标三维打印设备进行授权的具体方式，包括：
计算设备一致性参数与一致性阈值之间的差值，得到第一差值；计算设备危险性参数与危险性阈值之间的差值，得到第二差值；计算第一差值和第二差值的比值；将比值输入至训练好的授权判断神经网络模型，以得到输出的判断结果，根据判断结果确定是否对目标三维打印设备进行授权；授权判断神经网络模型通过包括有多个数据记录对应的比值和对应的是否授权标注的训练数据集训练得到。
56.本发明实施例中的模块细节和技术效果可以参照实施例一中的表述，在此不再赘述。
57.实施例三请参阅图3，图3是本发明实施例公开的另一种基于设备历史记录的模型版权管理系统的结构示意图。如图3所示，该系统可以包括：存储有可执行程序代码的存储器301；与存储器301耦合的处理器302；处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的基于设备历史记录的模型版权管理方法中的部分或全部步骤。
58.实施例四本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的基于设备历史记录的模型版权管理方法中的部分或全部步骤。
59.以上所描述的系统实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
60.通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（read-only memory，rom）、随机存储器（random access memory，ram）、可编程只读存储器（programmable read-only memory，prom）、可擦除可编程只读存储器（erasable programmable read only memory，eprom）、一次可编程只读存储器（one-time programmable read-only memory，otprom）、电子抹除式可复写只读存储器（electrically-erasable programmable read-only memory，eeprom）、只读光盘（compact disc read-only memory，cd-rom）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
61.最后应说明的是：本发明实施例公开的一种基于设备历史记录的模型版权管理方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行
等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

技术特征：
1.一种基于设备历史记录的模型版权管理方法，其特征在于，所述方法包括：响应于目标三维打印设备针对目标模型的授权请求，获取所述目标三维打印设备发送的设备参数以及历史数据处理记录；根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录；根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数；根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权。2.根据权利要求1所述的基于设备历史记录的模型版权管理方法，其特征在于，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。3.根据权利要求2所述的基于设备历史记录的模型版权管理方法，其特征在于，所述根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录，包括：对于预设的历史数据库中的任意一个候选历史数据请求记录，获取该历史数据请求记录对应的请求设备参数；计算该请求设备参数与所述设备参数的参数相似度；将所述参数相似度大于预设的参数相似度阈值的所有所述候选历史数据请求记录，确定为所述目标三维打印设备的历史数据请求记录。4.根据权利要求3所述的基于设备历史记录的模型版权管理方法，其特征在于，所述根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数，包括：对于所述历史数据处理记录中的任一处理记录和所述历史数据请求记录中的任一请求记录，根据预设的时间相似度算法，计算该处理记录的记录时间和该请求记录的记录时间之间的时间相似度；判断所述时间相似度是否大于预设的时间相似度阈值，若是，则将该处理记录和该请求记录，归为一个记录组；根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数。5.根据权利要求4所述的基于设备历史记录的模型版权管理方法，其特征在于，所述根据每一所述记录组中的数据，以及神经网络算法，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数，包括：对于任一所述记录组，将该记录组中的所有处理记录和请求记录对应的记录时间和记录数据，输入至训练好的危险性预测神经网络中，以得到该记录组对应的危险性预测参数；所述危险性预测神经网络通过包括有多个训练记录时间和训练记录数据以及对应的危险性标注的训练数据集训练得到；计算所有所述记录组的危险性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备危险性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的记录数量成正比，与所述记录组中的所有记录的记录平均时间间隔成反比；
对于任一所述记录组，将该记录组中的所有处理记录的记录数据作为处理记录数据组，将该记录组中的所有请求记录的记录数据作为请求记录数据组，将所述处理记录数据组和所述请求记录数据组输入至训练好的一致性预测神经网络中，以得到该记录组对应的一致性预测参数；所述一致性预测神经网络通过包括有多个训练处理记录数据组和训练请求记录数据组和对应的一致性标注的训练数据集训练得到；计算所有所述记录组的一致性预测参数的加权求和平均值，得到所述目标三维打印设备对应的设备一致性参数；其中，每一所述记录组的危险性预测参数的权重与所述记录组中的所有记录之间对应的所有所述时间相似度的平均值成正比。6.根据权利要求5所述的基于设备历史记录的模型版权管理方法，其特征在于，所述根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权，包括：判断所述设备危险性参数是否大于预设的危险性阈值，得到第一判断结果；若所述第一判断结果为是，确定不对所述目标三维打印设备进行授权；若所述第一判断结果为否，判断所述设备一致性参数是否大于预设的一致性阈值，得到第二判断结果；若所述第二判断结果为是，确定对所述目标三维打印设备进行授权；若所述第二判断结果为否，根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权。7.根据权利要求6所述的基于设备历史记录的模型版权管理方法，其特征在于，所述根据所述设备一致性参数和设备危险性参数，基于神经网络算法，确定是否对所述目标三维打印设备进行授权，包括：计算所述设备一致性参数与所述一致性阈值之间的差值，得到第一差值；计算所述设备危险性参数与所述危险性阈值之间的差值，得到第二差值；计算所述第一差值和所述第二差值的比值；将所述比值输入至训练好的授权判断神经网络模型，以得到输出的判断结果，根据所述判断结果确定是否对所述目标三维打印设备进行授权；所述授权判断神经网络模型通过包括有多个数据记录对应的所述比值和对应的是否授权标注的训练数据集训练得到。8.一种基于设备历史记录的模型版权管理系统，其特征在于，所述系统包括：获取模块，用于响应于目标三维打印设备针对目标模型的授权请求，获取所述目标三维打印设备发送的设备参数以及历史数据处理记录；筛选模块，用于根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录；确定模块，用于根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数；授权模块，用于根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权。9.一种基于设备历史记录的模型版权管理系统，其特征在于，所述系统包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于设备历史记录的模型版权管理方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于设备历史记录的模型版权管理方法。

技术总结
本发明公开了一种基于设备历史记录的模型版权管理方法及系统，该方法包括：响应于目标三维打印设备针对目标模型的授权请求，获取所述目标三维打印设备发送的设备参数以及历史数据处理记录；根据所述设备参数，从预设的历史数据库中确定出所述目标三维打印设备的历史数据请求记录；根据所述历史数据处理记录和所述历史数据请求记录，确定所述目标三维打印设备对应的设备一致性参数和设备危险性参数；根据所述设备一致性参数和设备危险性参数，确定是否对所述目标三维打印设备进行授权。可见，本发明能够达到更加安全和细致的模型版权管理，降低模型被攻击盗取的可能性。降低模型被攻击盗取的可能性。降低模型被攻击盗取的可能性。


技术研发人员：张胜哲 曾梅焕 王九亮 王鹏磊
受保护的技术使用者：深圳市智能派科技有限公司
技术研发日：2023.09.12
技术公布日：2023/10/20