针对对抗性证据伪造的自主式版权水印：基于不依赖净化的课程代理学习
计算机视觉与模式识别
2025-01-14 v2 密码学与安全
摘要
随着AI代理在 various 领域的普及，保护AI模型的所有权变得至关重要，因为其开发投入巨大。未经授权的使用和非法分发这些模型构成对知识产权的严重威胁，迫切需要有效的版权保护措施。模型水印作为解决这一问题的关键技术，通过在模型中嵌入所有权信息以在版权争议期间主张正当所有权。本文对模型水印做出了若干贡献：使用散列技术构建的自认证黑箱水印协议、针对对抗性扰动的证据伪造攻击研究、用于对抗对抗性攻击的净化步骤防御，以及增强水印鲁棒性和模型性能的净化不可知课程代理学习方法。实验结果表明，这些方法在提高水印模型的安全性、可靠性和性能方面具有有效作用。
引用
@article{arxiv.2409.01541,
title = {Agentic Copyright Watermarking against Adversarial Evidence Forgery with Purification-Agnostic Curriculum Proxy Learning},
author = {Erjin Bao and Ching-Chun Chang and Hanrui Wang and Isao Echizen},
journal= {arXiv preprint arXiv:2409.01541},
year = {2025}
}