.png){kind=icon}
返回
NNFMAC: A Neural Network Fingerprinting-Based Model Authentication Code Scheme
.png){kind=icon}
PRE
AI
DOI：10.1145/3778121.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着基于深度学习的AI的普及，模型盗窃和剽窃构成了日益增长的知识产（IP）风险。然而，水印技术会改变模型权重并可能降低性能，而指纹技术通常仅验证唯一性或需要大量计算。本文提出了一种基于神经网络指纹的模型认证码（NNFMAC）方案，可在不影响性能的情况下验证模型的唯一性和所有权。NNFMAC从训练好的模型中提取关键权重，采用基于中位数的方法生成唯一的二进制指纹，并使用该指纹作为码本，通过一种新设计的具有扩展功能的基于索引的函数对所有权信息进行编码，从而生成可靠的认证码。这种非侵入式方法集成了指纹技术用于唯一性验证和认证编码用于所有权验证，在保持模型原始性能的同时提供全面的模型IP保护。大量实验表明，与其他会使准确率下降0.36%-1.53%的水印方案不同，NNFMAC在无需额外训练开销的情况下保持了模型准确率。它在权重扰动下的误码率为0.12，微调下的误码率为0.03，剪枝下的误码率为0.08，权重移动攻击下的误码率为0.09，这些数值显著低于先前工作中报告的0.51、0.49、0.46和0.22，同时在有效性、效率和鲁棒性方面持续优于当前最优方案。
Keyword:
Deep Neural Network
Model Authentication
Fingerprinting
Ownership Verification
Digital Rights
Intellectual Property
期刊
IF:
6
论文数:
2.0K
被引数:
5.4K
机构
引用论文
Attacks on Digital Watermarks for Deep Neural Networks.png)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Robust Copyright Protection Technique with High-embedding Capacity for Color Images高嵌入容量的彩色图像鲁棒版权保护技术
OAAI
OAAI分享收藏分享收藏ARoBERT: An ASR Robust Pre-Trained Language Model for Spoken Language UnderstandingARoBERT: 用于口语理解的ASR健壮的预训练语言模型
PREAI
分享收藏
查看更多内容