一种GMM聚类和神经网络混合的模型结构逆向方法

本发明公开一种GMM聚类和神经网络混合的模型结构逆向方法，包括以下步骤：S1、采集神经网络模型在嵌入式设备上不同输入、不同权重条件下的功率数据及其他多模态物理信号数据；S2、对采集到的数据进行统计分析，计算均值、中位数、标准差、四分位数、四分位数差值、变异系数统计量；S3、利用主成分分析(PCA)技术，将高维统计量特征投影到低维空间，增强特征间的可分性，减少计算复杂度。本发明通过侧信道攻击收集大量单个神经网络模型在不同输入、不同权重条件下的功耗数据，并计算这些数据的统计量，不同神经网络模型在运行时产生的功率统计量特征不同，利用这些特征可以更准确地区分不同的神经网络模型，从而实现更精确的模型逆向。