离开时自动锁定你的神经网络
人机交互
2021-03-16 v1 密码学与安全
机器学习
摘要
智能手机与笔记本电脑可通过人脸或指纹识别解锁，而每天面对大量请求的神经网络却几乎无力区分不可信与可信用户。这使得模型作为商品交易时面临风险。已有研究要么关注商业化模型的知识产权归属，要么在盗版模型出现后追溯泄露源头。然而，在预测输出前主动识别用户合法性尚未被考虑。本文提出Model-Lock（M-LOCK），以实现具有局部动态访问控制的端到端神经网络，类似于智能手机的自动锁定功能，在你离开时防止恶意攻击者主动获取可用性能。三种模型训练策略对于在一个神经网络中实现认证输入与可疑输入之间的巨大性能差异至关重要。基于MNIST、FashionMNIST、CIFAR10、CIFAR100、SVHN和GTSRB数据集的大量实验证明了所提方案的可行性与有效性。
引用
@article{arxiv.2103.08472,
title = {Automatically Lock Your Neural Networks When You're Away},
author = {Ge Ren and Jun Wu and Gaolei Li and Shenghong Li},
journal= {arXiv preprint arXiv:2103.08472},
year = {2021}
}