DeepMarks：一种面向深度神经网络的数字化指纹框架
密码学与安全
2018-04-11 v1
摘要
本文提出 DeepMarks，一种用于深度学习（DL）场景下系统化指纹标识的新型端到端框架。深度学习领域已取得显著进展。共享训练好的 DL 模型已成为一种趋势，广泛流行于从生物医学诊断到股票预测的各个领域。随着预训练模型的可用性与普及度不断提升，保护模型所有者的知识产权（IP）至关重要。DeepMarks 引入了首个指纹方法，使模型所有者能够在其模型参数（权重）中嵌入唯一指纹，并随后识别其已分发模型的不当使用。所提框架利用当代 DL 模型中可用的额外容量，将指纹嵌入可训练权重的概率密度函数（pdf）中。DeepMarks 对指纹合谋以及网络变换攻击（包括模型压缩与模型微调）具有鲁棒性。在 MNIST 与 CIFAR10 数据集上，以及 Wide Residual Networks（WRNs）与 Convolutional Neural Networks（CNNs）等多种深度神经网络架构上的大量概念验证评估，证实了 DeepMarks 框架的有效性与鲁棒性。
引用
@article{arxiv.1804.03648,
title = {DeepMarks: A Digital Fingerprinting Framework for Deep Neural Networks},
author = {Huili Chen and Bita Darvish Rohani and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:1804.03648},
year = {2018}
}