随着云计算和人工智能快速发展,在云端以人工智能即服务为模式的应用越来越多,其中,基于卷积神经网络的人工智能应用十分广泛。基于卷积神经网络的应用系统与其它信息系统一样,存在软硬件漏洞和安全隐患,可以被敌手利用绕过现有系统访问控制机制的方式实施攻击,现有访问控制机制难以有效对卷积神经网络进行安全防护。内生安全是一种将安全机制融入到被保护系统核心处理部件、与信息系统紧密耦合的安全思想。针对上述问题,本文把内生安全的思想融入到卷积神经网络核心运算单元中,首次提出卷积神经网络内生控制理论与方法,设计提出了一种内生控制模型,两个内生控制算法与三种优化方案。本文主要研究内容如下:1.分析归纳出卷积神经网络的核心运算结构,为研究卷积神经网络内生控制技术奠定基础。针对现有访问控制机制无法有效防止神经网络模型失控的问题,设计提出了一种卷积神经网络内生控制模型。卷积神经网络内生控制是内生安全思想在深度神经网络模型安全控制方面的首度融合。基于卷积神经网络的核心运算结构,研究提出了内生控制模型的关键控制点;通过在控制点紧密耦合内生控制单元,设计提出了卷积神经网络内生控制模型。2.围绕卷积神经网络内生控制模型,提出了两个内生控制算法,即单点内生控制算法和多点内生控制算法。内生控制单元的主体是内生控制算法,借由内生控制算法与卷积神经网络运算紧密耦合,实现对卷积神经网络的内生控制。单点内生控制算法在卷积神经网络的单一控制点实现内生控制,速度快,平均控制率达到68.88%;多点内生控制算法在卷积神经网络的多个控制点实现内生控制,控制率更高但时间开销较大,通过改变控制策略,本文提出了一种初步优化的多点内生控制算法,降低了时间开销。3.为了进一步提升内生控制算法对卷积神经网络的控制率,设计提出了三种优化方案。在卷积神经网络权重控制点应用内生控制算法的平均控制率仅为3.33%,为此设计提出了基于均值坍缩的内生控制算法优化方案,该优化方案应用于权重控制点,使平均控制率达到100%;在卷积神经网络的偏置控制点应用内生控制算法时,应用在中间运算层偏置控制点的平均控制率比应用在更深层偏置控制点的平均控制率低,为此设计提出了基于巨化参量的优化方案,该优化方案应用于偏置控制点,能有效提升在中间运算层偏置控制点应用内生控制算法的平均控制率;为了进一步提升内生控制算法在卷积神经网络激活函数控制点的平均控制率,本文设计提出了基于反向激活的优化方案,该优化方案应用于激活函数控制点,能整体提升在激活函数控制点应用内生控制算法的平均控制率。三种优化方案对两个内生控制算法均适用,基于优化方案的卷积网络内生控制算法可以实现对卷积神经网络的完全控制。