一种深度学习大模型的加密防护方法及系统

本申请公开了一种深度学习大模型的加密防护方法及系统，本申请属于模型安全部署技术领域。该方法包括：通过获取目标硬件资源状态，依据预设标准动态调整模型编码精度，生成编码策略数据，进而对大模型初始权重执行分层重编码，得到混合精度模型参数。结合任务模态信息选择编码子网络并融合，构建统一编码模型。再依据设备绑定信息进行加密绑定，生成硬件绑定的加密模型。执行任务时，根据输入与运行状态进行异常检测与防护操作，输出模型安全输出数据。本方案实现模型与硬件的高效匹配、任务适应性增强和使用过程中的全链路安全控制。既提升了模型运行效率与准确性，又有效防止模型泄露与非法调用，确保在不同环境下的稳定、安全部署。