FreeMark：一种针对深度神经网络的无侵入式白盒水印方法
密码学与安全
2024-09-17 v1 人工智能
机器学习
摘要
深度神经网络（DNN）在现实应用中取得了显著成功。然而，保护其知识产权（IP）仍然极具挑战。现有的用于 IP 保护的 DNN 水印通常需要修改 DNN 模型，这会降低模型性能并限制其实用性。本文提出了 FreeMark，一种利用密码学原理的新型 DNN 水印框架，它无需修改原始宿主 DNN 模型，从而避免模型性能的任何下降。与传统的 DNN 水印方法不同，FreeMark 创新性地利用梯度下降，从预先生成的水印向量和宿主模型中生成密钥。这些密钥用于从模型的激活值中提取水印，并与受信任的第三方安全存储，从而能够从可疑模型中可靠地提取水印。大量实验表明，FreeMark 在保持高水印容量的同时，能有效抵抗各种水印移除攻击。
引用
@article{arxiv.2409.09996,
title = {FreeMark: A Non-Invasive White-Box Watermarking for Deep Neural Networks},
author = {Yuzhang Chen and Jiangnan Zhu and Yujie Gu and Minoru Kuribayashi and Kouichi Sakurai},
journal= {arXiv preprint arXiv:2409.09996},
year = {2024}
}