基于推理时间对多出口深度神经网络模型进行指纹标识
密码学与安全
2021-10-08 v1 人工智能
摘要
将大型深度神经网络（DNN）模型转换为多出口架构可以克服过度思考问题，并将大型 DNN 模型部署于资源受限场景（例如 IoT 前端设备与后端服务器）以提升推理与传输效率。然而，现实中多出口模型的知识产权保护仍是一项未解决的挑战。以往验证 DNN 模型所有权的工作主要依赖于用特定样本查询模型并检查响应，例如 DNN 水印与指纹标识。但它们易受对抗训练等对抗设置的攻击，且不适用于多出口 DNN 模型的知识产权验证。本文提出一种通过推理时间而非推理预测来对多出口模型进行指纹标识的新方法。具体而言，我们设计了一种有效方法，生成一组指纹样本，以构造具有独特且鲁棒的推理时间开销的推理过程，作为模型所有权的证据。我们进行了大量实验，在三种结构（ResNet-56、VGG-16 和 MobileNet）与三个数据集（CIFAR-10、CIFAR-100 和 Tiny-ImageNet）上、在全面的对抗设置下证明了我们方法的独特性与鲁棒性。
引用
@article{arxiv.2110.03175,
title = {Fingerprinting Multi-exit Deep Neural Network Models via Inference Time},
author = {Tian Dong and Han Qiu and Tianwei Zhang and Jiwei Li and Hewu Li and Jialiang Lu},
journal= {arXiv preprint arXiv:2110.03175},
year = {2021}
}