基于区块链的分布式 DNN 模型身份的隐私保护式累加器启用审计 (A2-DIDM)
密码学与安全
2026-04-15 v2 人工智能
摘要
近年来，生成式人工智能（GenAI）的快速发展推动了模型商业化，以提升模型性能，包括许可证交易或模型交易。然而，DNN 模型交易可能因未经授权的复制或滥用而损害模型所有者的利益。模型身份审计是保护 DNN 模型所有权的具有挑战性的问题，验证模型的完整性和所有权是其中的关键障碍。本文聚焦于此类问题，提出一种用于 DNN 模型去中心化身份的累加器启用审计方案，即 A2-DIDM（Accumulator-enabled Auditing for Decentralized Identity of DNN Model），该方案利用区块链和零知识技术在确保数据和功能隐私的同时，实现轻量级链上所有权验证。该方案通过配置模型权重检查点并配合零知识证明来构建身份记录， incorporates predicates 以捕获模型权重检查点中增量状态变化。我们的方案确保 DNN 训练过程中的计算完整性和可编程性，从而保留 DNN 模型权重检查点序列的唯一性。A2-DIDM 也解决了去中心化身份中的隐私保护问题。我们系统地分析了所提出模型的安全性和鲁棒性，并进一步评估了 DNN 模型身份审计的有效性和可用性。代码已公开于 https://github.com/xtx123456/A2-DIDM.git。
引用
@article{arxiv.2405.04108,
title = {A2-DIDM: Privacy-preserving Accumulator-enabled Auditing for Distributed Identity of DNN Model},
author = {Tianxiu Xie and Keke Gai and Jing Yu and Liehuang Zhu},
journal= {arXiv preprint arXiv:2405.04108},
year = {2026}
}