通过神经元对齐增强白盒深度神经网络水印的鲁棒性
密码学与安全
2021-12-30 v1 机器学习
多媒体
摘要
深度学习技术的广泛应用正推动对深度学习模型（尤其是深度神经网络（DNN））作为商业产品的监管。此类监管的必要前提是识别深度神经网络的所有者，这通常通过水印完成。当前的 DNN 水印方案，特别是白盒方案，对一类功能等价攻击（尤其是神经元置换）普遍脆弱。该操作可轻易使所有权证明失效并逃避版权监管。为增强白盒 DNN 水印方案的鲁棒性，本文提出一种将神经元对齐至嵌入水印时相同顺序的流程，从而可正确识别水印。该神经元对齐过程显著提升了已有深度神经网络水印方案的功能性。
引用
@article{arxiv.2112.14108,
title = {Fostering the Robustness of White-Box Deep Neural Network Watermarks by Neuron Alignment},
author = {Fang-Qi Li and Shi-Lin Wang and Yun Zhu},
journal= {arXiv preprint arXiv:2112.14108},
year = {2021}
}
备注
5 pages