一种利用密钥保护已训练 CNN 模型免受未授权访问的方法
计算机视觉与模式识别
2021-06-01 v1 密码学与安全
摘要
在本文中，我们提出一种利用密钥集保护卷积神经网络（CNN）模型的新方法，使得没有正确密钥集的未授权用户无法访问已训练模型。该方法使我们不仅能防范版权侵权，还能防范模型功能遭受未授权访问，且无明显开销。我们引入三种带密钥集的块级变换以生成可学习的变换图像：像素打乱、负正变换和 FFX 加密。受保护模型通过使用变换图像进行训练。在 CIFAR 和 ImageNet 数据集上的实验结果表明，当密钥集正确时，受保护模型的性能接近未保护模型，而当给定错误密钥集时准确率严重下降。受保护模型还被证明对各种攻击具有鲁棒性。与最先进的带护照模型保护方法相比，所提方法在网络中没有任何附加层，因此训练与推理过程均无开销。
引用
@article{arxiv.2105.14756,
title = {A Protection Method of Trained CNN Model with Secret Key from Unauthorized Access},
author = {AprilPyone MaungMaung and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2105.14756},
year = {2021}
}