-
-
[原创]神经网络模型功守道
-
发表于:
2021-11-29 19:44
3678
-
现在神经网络模型在app端运用越来越多，比如小视频软件中的魔法表情，相机的美颜功能，试穿戴功能，化妆功能。但关于神经网络模型逆向分析与保护的文章好像很少，下面是我自己的一点简单思考。
下面简单分析下TensorFlow和Core ML两种模型的逆向和保护。
在安卓端使用的TensorFlow Lite库。
1、网络请求模型文件到本地
2、创建模型并加载
1 | tflite::FlatBufferModel::BuildFromFile
|
3、将模型映射到解释器中
1 2 | tflite::ops::builtin::BuiltinOpResolver resolver;
tflite::InterpreterBuilder(*model, resolver)(&cur_interpreter);
|
4、定义输入
1 | const std::vector<int> input_tensors = cur_interpreter->inputs();
|
5、进行推断
1 | cur_interpreter->Invoke()
|
6、获取结果
1 | cur_interpreter->tensor(cur_interpreter->outputs())
|
如果类比Android加载dex做保护的方式，很容易想到两种简单的保护方式：
1、通过网络请求下载到本地的模型文件是加密的，在调用BuildFromFile之前进行解密并保存到本地，再把解密之后的模型文件路径传给BuildFromFile。这种方式对应于第一代dex保护，落地加载；
这种方式的缺点很明显，之前的加密只能防止抓包拿到模型文件。如果想要获取到模型文件，我们只需要关心第二步，拦截BuildFromFile的入参，就可以获取模型文件的地址。
2、在dex保护中，我们可以解密之后不保存在本地，直接在内存中加载dex。在模型文件保护中，我们是否也使用这种方式呢？还好tflite库提供了从直接从内存加载模型的方法BuildFromBuffer。BuildFromFile第一个入参是模型文件在内存中的首地址，第二个入参是模型文件在内存中长度。
但同样的，我们也可以拦截这里，在这里直接dump下来模型文件。这种方式可以防止直接在本地文件中找到模型文件，但阻止不了从内存中dump模型文件。
再看下ios端，在ios端使用的是苹果的Core ML
1、下载mlmodel文件
2、编译mlmodel文件，得到mlmodelc文件
3、初始化模型类
1 | initWithContentsOfURL:error:
|
4、使用模型进行推理
1 | predictionFromImage:error:
|
和安卓一样，我们可以在 compileModelAtURL:error 处获取到编译前的mlmodel文件路径。因此下载之前对模型的加解密没有多大用处。
我没找到直接从内存中加载模型文件的方法，所以安卓中第二种不落地加载模型可能行不通。
但是，还好苹果提供了另外一种初始化模型的方式，使用modelWithContentsOfURL:error:直接加载mlmodelc文件，mlmodelc文件是编译之后的mlmodel，已经不能直接解析出模型的结构。
这样我们可以直接下发编译好的模型文件，就可以防止直接拿到原始模型文件了。
上面只是网络模型逆向与保护中很基础的内容。对应到dex保护的三代壳、四代壳，模型文件是不是也可以像三代壳那样抽取部分网络层级结构，或者抽取部分节点，又或者像四代壳那样自定义解释器。
[培训]内核驱动高级班，冲击BAT一流互联网大厂工作，每周日13:00-18:00直播授课
