CAWODOG — это проект proof-of-concept, демонстрирующий, как защитить модели ИИ на Python, развёрнутые на офлайн-промышленных машинах. На трёх последовательных этапах (0 → 2) проект показывает: * как наивное Python-приложение с ИИ может быть тривиально подвергнуто обратной разработке, * как злоумышленники могут извлечь модели из упакованных бинарных файлов, * как усилить защиту развёртывания ИИ с помощью конвертации в ONNX, шифрования модели и отдельного движка выполнения. PoC использует игривую модель детектора собак («Группа господства кошачьего мира») для иллюстрации реальных концепций защиты интеллектуальной собственности, применимых к системам управления на базе ИИ, таким как платформа StarX от компании Starlinger. Он служит эталонной реализацией для сопровождающего технического документа «Hardening Python IP for Offline Industrial AI Deployments».
lycis/cawdog
CAWODOG (Cat World Dominance Group) — это игровая, но реалистичная демонстрация концепции защиты моделей AI на Python, развертываемых на офлайн промышленных машинах.
Основная идея: взять небольшой классификатор изображений, распознающий собак («врага» CAWODOG), обернуть его в простое приложение, а затем постепенно укреплять развертывание против кражи ИС.
Данный PoC создан как дополнение к внутреннему техническому документу на тему:
Укрепление защиты интеллектуальной собственности на Python для офлайн промышленных развертываний AI
Этот репозиторий демонстрирует пошагово:
.
├── 0/ # Шаг 0 – Незащищенная базовая версия
│ ├── model/ # Код обучения и инференса
│ ├── app/ # Веб-интерфейс на Gradio
│ ├── requirements.txt
│ └── (optional) build / run helpers
│
├── 1/ # Шаг 1 – Упаковано с Nuitka (Уровень 1)
│ ├── app/ # Тот же UI, адаптированная точка входа
│ ├── model/ # Та же логика модели, что и на шаге 0
│ ├── build.sh # Скрипт сборки Nuitka onefile
│ └── requirements.txt
│
├── 2/ # Шаг 2 – Зашифрованная модель ONNX (Уровень 2)
│ ├── model/ # Обучение + экспорт в ONNX + шифрование
│ ├── engine/ # Модуль движка (расшифровка + среда выполнения ONNX + оценка)
│ ├── app/ # UI, вызывающий только движок
│ ├── hardening/ # Ключ шифрования + утилиты (только для разработки)
│ ├── build.sh # Скрипт сборки Nuitka onefile
│ └── requirements.txt
│
└── attacker/ # Инструменты атакующего (опционально, для демонстрации)
├── run_and_extract.sh # Находит временную папку Nuitka и выводит содержимое
├── steal_model.sh # Копирует файл модели из извлеченной полезной нагрузки
└── use_stolen_model.py# Использует украденную модель в отдельном скрипте
python -m venv .venv)git, pip и базовыми командами командной строкиБольшинство шагов требуют:
pip install -r requirements.txt
Папка: 0/
Цель: Простое Python-приложение с обученной моделью и простым веб-интерфейсом. Без защиты.
dog против not_dogmodel_training.py), который:
data/dog и data/not_dog на обучающую и проверочную выборкиmodel/models/dog_model.ptmodel_inference.py), который:
dog_model.ptapp/gradio_app.py), которое:
Из корня репозитория:
cd 0
python -m venv .venv
source .venv/bin/activate # on Windows: .venv\Scripts\activate
pip install -r requirements.txt
Подготовьте данные:
0/data/
dog/
<dog images>.jpg
not_dog/
<non-dog images>.jpg
Обучите модель:
python -m model.model_training
Это создаст что-то вроде:
model/models/dog_model.pt
Запустите приложение Gradio:
python -m app.gradio_app
Откройте напечатанный URL (по умолчанию http://127.0.0.1:7860) и протестируйте с изображениями.
.pt).Это картина «до».
Папка: 1/
Цель: Упаковать приложение в один исполняемый файл с помощью Nuitka.
Эффект безопасности: Заставляет приложение выглядеть как продукт, но не защищает ИС.
app/main.py или cawodog_app.py)build.sh), который:
--standalone и --onefiledog_model.pt)cawodog_step1_nuitka).cd 1
source .venv/bin/activate
./build.sh
После сборки вы получите что-то вроде:
./cawodog_step1_nuitka
Запуск запустит интерфейс Gradio, как и раньше, но теперь из одного исполняемого файла.
attacker/)Папка attacker показывает, как атакующий может:
$TMPDIRdog_model.pt из этого каталогаuse_stolen_model.py для выполнения предсказаний вне приложенияКлючевой вывод: Уровень 1 — не значимая защита. Это упаковка, а не безопасность.
Папка: 2/
Цель: Ввести реальную защиту ИС на уровне модели.
Эффект безопасности: Конкуренты не смогут использовать модель, просто скопировав файл.
dog_model.pt → dog_model.onnx с помощью экспорта PyTorch в ONNX.dog_model.onnx с помощью AES-GCM в dog_model.enchardening/dev_model.key (для целей PoC)engine/core.py, который:
dog_model.enc во время выполненияpredict_is_dog() и enemy_score()app/gradio_app.py больше не видит сырые файлы модели или внутренности.cd 2
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
Обучите (или повторно используйте) модель (так же, как на шаге 0, но внутри 2/):
python -m model.model_training
Экспортируйте в ONNX:
python -m model.export_to_onnx
# produces model/models/dog_model.onnx
Зашифруйте модель ONNX:
python -m hardening.encrypt_model
# produces model/models/dog_model.enc and hardening/dev_model.key
Соберите с Nuitka (через build.sh):
./build.sh
Ключ будет напечатан по завершении. Вам нужно установить переменную окружения CAWODOG_MODEL_KEY_HEX в этот ключ, чтобы программа могла загрузить зашифрованную модель. Любой другой ключ приведет к ошибке.
Запустите полученный однофайловый бинарник. Интерфейс должен вести себя так же, как и раньше.