超分辨率网络的指纹

近期多项研究表明，基于深度学习的图像生成模型（如 GAN）可以通过其在输出图像上留下的指纹被唯一识别，甚至可能被逆向工程。我们将此项研究扩展至单图像超分辨率（SISR）网络。与先前研究的模型相比，SISR 网络是一类极具挑战性的图像生成模型，从中提取与分析指纹尤为困难，因为它们通常能生成与相应真实值高度匹配的图像，从而可能几乎没有嵌入签名的余地。我们以 SISR 模型为例，探究先前关于基于 GAN 的网络指纹的研究结论是否适用于一般图像生成模型。我们表明，具有高放大因子或使用对抗损失训练的 SISR 网络会留下极具区分度的指纹，且在特定条件下，某些 SISR 网络的超参数可以从这些指纹中被逆向工程。