面向神经网络模型水印技术的系统性综述
密码学与安全
2021-12-09 v2 机器学习
多媒体
摘要
机器学习（ML）模型正应用于日益多样的领域。大量数据与计算资源的可用性推动了愈发复杂且高价值模型的发展。这些模型被视为训练它们的合法方的知识产权，这使其免受窃取、非法再分发及未授权应用的防护成为迫切需求。数字水印为标记模型所有权提供了有力机制，从而针对上述威胁提供保护。本工作提出一种分类法，识别并分析ML模型的不同水印方案类别。其引入统一威胁模型，以支持对水印方法在不同场景下有效性的结构化推理与比较。此外，本工作对ML模型水印的期望安全需求与攻击进行了系统化。基于该框架，调研了该领域的代表性文献以阐释此分类法。最后，讨论了现有方法的缺陷与普遍局限，并给出未来研究方向展望。
引用
@article{arxiv.2009.12153,
title = {A Systematic Review on Model Watermarking for Neural Networks},
author = {Franziska Boenisch},
journal= {arXiv preprint arXiv:2009.12153},
year = {2021}
}