生成模型的去中心化溯源

生成模型日益增长的应用带来了诸如恶意冒充和数字版权侵权等新的威胁。应对这些威胁的一种解决方案是模型溯源，即识别被质疑内容所源自的用户端模型。现有研究通过在所有用户端模型上训练的集中式分类器展示了溯源的经验可行性。然而，这种方法在现实中不可扩展，因为模型数量不断增长。它也不能提供溯源保证。为此，本文研究去中心化溯源，其依赖于与每个用户端模型相关联的二分类器。每个二分类器由用户特定密钥参数化，并区分其关联模型分布与真实数据分布。我们推导了保证溯源下界所需的密钥充分条件。我们的方法在 MNIST、CelebA 和 FFHQ 数据集上得到验证。我们还考察了生成质量与针对对抗后处理的溯源鲁棒性之间的权衡。