偷不了？续偷！针对图像编码器的对比窃取攻击

自监督表示学习技术迅速发展，以充分利用无标签图像。它们将图像编码为对下游任务不可知的高维特征。在其革命性的表示能力背后，对专用模型设计和大量计算资源的需求使图像编码器面临潜在的模型窃取攻击风险——一种以低廉代价模仿训练良好编码器性能同时规避苛刻需求的手段。然而传统攻击仅针对给定预测标签和/或后验的监分类器，这使得无监督编码器的脆弱性未被探索。本文中，我们首先实例化针对编码器的传统窃取攻击，并展示其相比下游分类器更严重的脆弱性。为更好利用编码器的丰富表示，我们进一步提出Cont-Steal，一种基于对比学习的攻击，并在多种实验设置中验证其改进的窃取有效性。作为要点，我们呼吁学界关注表示学习技术的知识产权保护，尤其是针对如我们提出的编码器窃取攻击的防御。