相关实验视频
Updated: Mar 12, 2026
09:20
Picoinjection of Microfluidic Drops Without Metal Electrodes
Published on: April 18, 2014
11.7K
使用单一 OoD 图像进行安全和坚固的水印注入.
Shuyang Yu1, Junyuan Hong1,2, Haobo Zhang1
1Department of Computer Science and Engineering, Michigan State University.
... International Conference on Learning Representations
|March 11, 2026
概括
这项研究引入了一种新的深度神经网络水印方法,使用单一的分布外图像. 这种技术可以提供强大的知识产权保护,防止常见的删除攻击,而不需要培训数据.
科学领域:
- 人工智能的人工智能
- 计算机科学 计算机科学
- 机器学习安全 机器学习安全
背景情况:
- 深度神经网络 (DNN) 需要大量的数据和计算能力.
- 保护DNN的知识产权 (IP) 是一个关键的挑战.
- 现有的水印方法通常依赖于训练数据中毒,引发隐私问题,缺乏对模型修改的稳定性.
研究的目的:
- 为DNN提出一个安全和强大的后门式水印技术.
- 开发一种独立于培训数据的知识产权验证方法.
- 为了提高水标的弹性,抵御常见的删除攻击.
主要方法:
- 一种新的水印技术,利用单一的分布外 (OoD) 图像作为秘密密钥.
- 使用 OoD 图像的多样化知识,注入后门触发器.
- 通过在注入水印时随机扰动模型参数来诱导强度.
主要成果:
- 提出的方法是时间和样本效率高,不需要访问培训数据.
- 证明了对常见的水标删除攻击 (如微调,修剪和模型提取) 的强度.
- 通过来自OOD图像的独特秘密密钥进行有效的IP验证.
结论:
- 开发的水印方法为DNN知识产权保护提供了一个安全而有弹性的解决方案.
- 该方法克服了传统水印技术的局限性,消除了对训练数据的需求,并提高了稳定性.
- 这种技术提供了一种实用而有效的方式来保护深度学习模型的商业所有权.
