Bootstrap原潜在表示：从黑盒模型学习私有模型
计算机视觉与模式识别
2023-04-04 v4 人工智能
摘要
本文考虑到模型拥有者的数据/模型隐私与用户需求之间的平衡，提出了一种称为反向传播黑盒适配（BPBA）的新设定，供用户通过黑盒基础/源模型的反向传播结果指导来更好地训练其私有模型。我们的设定可简化基础/源模型的使用，并防止基础/源模型的泄露与滥用。此外，我们还提出了一种称为Bootstrap原潜在表示（BTOL）的新训练策略，以充分利用基础/源模型。我们的策略由域适配器和冻结-解冻策略组成。我们在BPBA和黑盒UDA设定下将BTOL应用于三个不同数据集。实验表明，我们的策略在各种设定下高效且鲁棒，无需人工增强。
引用
@article{arxiv.2303.03709,
title = {Bootstrap The Original Latent: Learning a Private Model from a Black-box Model},
author = {Shuai Wang and Daoan Zhang and Jianguo Zhang and Weiwei Zhang and Rui Li},
journal= {arXiv preprint arXiv:2303.03709},
year = {2023}
}