按需授权：面向视觉语言模型的动态授权与合法性感知知识产权保护
人工智能
2026-03-06 v1
摘要
视觉语言模型（VLMs）的快速普及提升了对这些高价值预训练模型进行严格知识产权（IP）保护的需求。有效的IP保护应主动将模型部署限制在授权域内，并防止未授权的转移。然而，现有方法依赖于静态的训练时定义，在动态环境中缺乏灵活性，常常对未授权输入产生不透明的响应。为克服这些限制，我们提出了一种 novel 的动态授权与合法性感知知识产权保护框架（AoD-IP），支持按需授权和合法性感知评估。AoD-IP 引入了一个轻量级的动态授权模块，使用户能够在部署时主动指定或切换授权域，从而实现对用户控制的灵活授权。这使模型能够无缝适应应用场景的演变，远远超出现有静态域方法的可扩展性。此外，AoD-IP 包含一种双路径推理机制，联合预测输入的合法性感知输出和任务特定的输出。多项跨域基准测试的全面实验结果表明，AoD-IP 在保持强大的授权域性能方面表现出色，能够可靠检测未授权输入，同时支持用户控制的授权，在动态环境中实现自适应部署。
引用
@article{arxiv.2603.04896,
title = {Authorize-on-Demand: Dynamic Authorization with Legality-Aware Intellectual Property Protection for VLMs},
author = {Lianyu Wang and Meng Wang and Huazhu Fu and Daoqiang Zhang},
journal= {arXiv preprint arXiv:2603.04896},
year = {2026}
}