基于特征图空间不变置换的语义分割模型访问控制
计算机视觉与模式识别
2021-09-06 v1 机器学习
摘要
本文提出一种利用带密钥的特征图空间不变置换来保护语义分割模型的访问控制方法。分割模型通过使用秘密密钥置换所选特征图进行训练与测试。所提方法允许持有正确密钥的合法用户不仅以全部能力访问模型,也能降低未授权用户的性能。传统的访问控制方法仅关注图像分类任务,且这些方法从未应用于语义分割任务。在实验中,被保护的模型被证明可使合法用户获得与非保护模型几乎相同的性能,同时对无密钥未授权用户的访问具有鲁棒性。此外,也验证了带有分块变换的传统方法在语义分割模型下性能下降。
引用
@article{arxiv.2109.01332,
title = {Access Control Using Spatially Invariant Permutation of Feature Maps for Semantic Segmentation Models},
author = {Hiroki Ito and MaungMaung AprilPyone and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2109.01332},
year = {2021}
}
备注
To appear in 13th Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC 2021)