一种基于 PUF 的神经网络模型知识产权复制保护方法
密码学与安全
2026-03-12 v1 机器学习
摘要
越来越多公司的知识产权（IP）被集成到神经网络（NN）模型中。这种IP对公司而言价值巨大，因而需要充分的保护。例如，攻击者可能复制生产机器的硬件，然后仅复制其软件和NN模型即可在克隆硬件上运行。为使将NN模型复制到克隆硬件上不可行，我们提出一种将NN模型（以及其中包含的IP）绑定到其底层硬件的方法。为此，我们通过利用物理不可克隆函数（PUF）将NN模型的权重——这是其运行至关重要的——与唯一且不可克隆的硬件属性关联起来。如此一来，仅能使用目标硬件恢复原始权重，才能实现足够的精度，从而使NN模型在克隆硬件上正确运行不可行。我们演示了该方法在各种NN模型上实现了所需的精度下降，并概述了可能的未来改进方案。
引用
@article{arxiv.2603.10753,
title = {A PUF-Based Approach for Copy Protection of Intellectual Property in Neural Network Models},
author = {Daniel Dorfmeister and Flavio Ferrarotti and Bernhard Fischer and Martin Schwandtner and Hannes Sochor},
journal= {arXiv preprint arXiv:2603.10753},
year = {2026}
}