设计应用

基于黑盒测试框架的深度学习模型版权保护方法

作者：屈详颜1,2，于静1,2，熊刚1,2，盖珂珂3
发布日期：2024-02-29
来源：网络安全与数据治理

引言

在当前生成式人工智能技术的迅猛发展推动下，深度学习模型的版权保护问题日益受到关注。深度学习模型，尤其是大规模和高性能的模型，因其昂贵的训练成本，容易遭受未授权的复制或再现，导致版权侵犯和模型所有者的经济损失［1-2］。传统的版权保护方法大多依赖于水印技术［3-4］，通过在模型中嵌入特定的水印来确认所有权。尽管这类方法可以提供确切的所有权验证，但它们对原有模型具有侵入性，可能会影响模型性能或引入新的安全风险；并且这些方法对适应性攻击和新兴的模型提取攻击的鲁棒性不足［5-6］。


作者信息

屈详颜1,2，于静1,2，熊刚1,2，盖珂珂3

（1 中国科学院信息工程研究所，北京100085；2 中国科学院大学网络空间安全学院，北京100049；

3 北京理工大学网络空间安全学院，北京100081）


文章下载地址：https://www.chinaaet.com/resource/share/2000005869


weidian.jpg

此内容为AET网站原创，未经授权禁止转载。
生成式人工智能 深度学习模型 版权保护 黑盒防御

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map