[C++]yolov10的onnx模型加密方法保护自己模型和版权-CSDN博客

本文链接：https://blog.csdn.net/FL1623863129/article/details/139860305

【官方框架地址】

【算法介绍】

Yolov10是一种先进的对象检测模型，基于深度学习技术，广泛应用于计算机视觉任务。它使用 ONNX（Open Neural Network Exchange）格式，使得模型在不同的深度学习框架之间具有更好的互操作性。然而，直接使用 ONNX 格式的模型存在一定的安全隐患，因此对模型进行加密就显得尤为重要。

对 Yolov10 的 ONNX 模型进行加密，主要是为了保护模型的机密性和完整性，防止未经授权的访问和使用。常见的加密方法包括使用密码加密、哈希函数、数字签名等技术。这些方法可以在模型传输、存储和使用过程中提供一定的安全保障。

具体来说，当模型需要从一个环境传输到另一个环境时，可以使用密码加密的方式对模型进行加密，确保模型在传输过程中的安全。在模型存储时，可以使用哈希函数和数字签名等技术，验证模型的完整性和来源，防止模型被篡改或替换。在使用模型时，可以通过身份验证和访问控制等机制，确保只有经过授权的人员才能访问和使用模型。

需要注意的是，对 Yolov10的 ONNX 模型进行加密可能会对模型的性能产生一定的影响。因此，在选择加密方法时，需要根据实际需求和场景进行权衡，尽可能地平衡安全性和性能的需求。

总之，对 Yolov10 的 ONNX 模型进行加密是一个重要的安全措施，可以有效地保护模型的机密性和完整性，防止未经授权的访问和使用。在选择加密方法时，需要根据实际需求和场景进行权衡，尽可能地平衡安全性和性能的需求。

对于onnx加密我们采用对称加密方式，采用二进制加密除非有密钥否则很难被破解，这样可以使我们的花费大量人力和物力以及成本得到安全保障。
【效果展示】

加密后缀为yolov10.enc您可以改成任何后缀不影响模型

【实现部分代码】

#include "YOlov10Encry.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include "OnnxManager.h"


int main(int argc, char const *argv[])
{
    std::string model_path = argv[1];
    // string enc_path = "D:\\yolov10n.enc";
    // OnnxManager om;
    // om.encrypt_onnx(model_path, enc_path);
    // return 0;
    cv::namedWindow("yolov10", cv::WINDOW_AUTOSIZE);
    Yolov10Encry detector(model_path);
    cv::VideoCapture cap("car.mp4");//这个地方也可以修改成视频路径或者摄像头索引
    if (!cap.isOpened())
    {
        std::cerr << "ERROR! Unable to open camera\n";
        return -1;
    }
    cv::Mat frame;
    std::cout << "Start detect" << std::endl << "Press any key to terminate" << std::endl;

    for (;;)
    {
        cap.read(frame);
        if (frame.empty())
        {
            std::cerr << "ERROR! blank frame grabbed\n";
            break;
        }

        auto timer = cv::getTickCount();
        std::vector<Detection> detections = detector.Inference(frame);
        double fps = cv::getTickFrequency() / ((double)cv::getTickCount() - timer);
        cv::putText(frame, "FPS: " + std::to_string(fps), cv::Point(10, 30), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8);
        cv::Mat resultImg = detector.DrawImage(frame, detections);
        cv::imshow("yolov10", resultImg);
        if (cv::waitKey(5) >= 0)
            break;
    }

    return 0;
}

【视频演示】

C++版本yolov10的onnx模型加密方法保护自己模型和版权_哔哩哔哩_bilibili测试环境：vs2019onnxruntime==1.12.0opencv==4.7.0更多信息参考博文：, 视频播放量 4、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者未来自主研究中心, 作者简介未来自主研究中心，相关视频：基于onnx模型加密与解密深度学习模型保护方法介绍，卧槽！无需代码的国产游戏制作神器终于来了！，YOLOv10实现500FPS推理速度，快到离谱！！——使用 TensorRT C++ API 调用GPU加速部署YOLOv10实现快速预测，Claude 3.5击败GPT4o，地表最强大模型再次易主，用C#部署yolov8的tensorrt模型进行目标检测winform最快检测速度，yolov9+deepsort+pyqt5实现目标追踪结果演示，C#使用轻量级深度学习模型进行车牌颜色识别和车牌号识别，[课程][原创]yolov8检测封装成类调用几句代码完成目标检测任务课程导论，[深度学习][目标检测][面试提问]Batch Normalization批归一化，基于yolov8官方目标追踪botsort和bytetrack源码开发视频演示https://www.bilibili.com/video/BV13s421M79H/
【源码下载】