利用经密钥变换特征图保护已训练CNN模型免受未授权访问的方法
计算机视觉与模式识别
2021-09-02 v1
摘要
本文提出一种带密钥的卷积神经网络（CNNs）模型保护方法，使得授权用户获得高分类精度，而未授权用户获得低分类精度。所提方法对网络中特征图应用带密钥的块级变换。传统的基于密钥的模型保护方法在选取大密钥空间时无法保持高准确率。相比之下，所提方法不仅保持与非保护情况几乎相同的准确率，而且具有更大的密钥空间。在CIFAR-10数据集上进行了实验，结果表明所提模型保护方法在分类准确率、密钥空间以及对密钥估计攻击和微调攻击的鲁棒性方面均优于先前基于密钥的模型保护方法。
引用
@article{arxiv.2109.00224,
title = {A Protection Method of Trained CNN Model Using Feature Maps Transformed With Secret Key From Unauthorized Access},
author = {MaungMaung AprilPyone and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2109.00224},
year = {2021}
}
备注
To appear in APSIPA 2021. arXiv admin note: text overlap with arXiv:2105.14756