硬标签神经网络模型的密码学提取
密码学与安全
2024-09-19 v1 机器学习
摘要
神经网络参数提取的问题已持续近三十年。功能等价提取是该问题的关键目标。当对手能够访问神经网络的原始输出时，包括 CRYPTO 2020 和 EUROCRYPT 2024 所展示的各种攻击，已成功实现了这一目标。然而，在硬标签环境下（即无法访问原始输出）时，无法实现这一目标。本文提出了首个在硬标签设置下实现功能等价提取的攻击方法，适用于 ReLU 神经网络。通过在广泛的 ReLU 神经网络上进行实际实验验证了该攻击的有效性，包括在两个真实基准数据集 (MNIST、CIFAR10) 上训练的神经网络，这些数据集在计算机视觉中广泛使用。对于由 参数构成的神经网络，本攻击仅需在单核上运行数小时。
引用
@article{arxiv.2409.11646,
title = {Hard-Label Cryptanalytic Extraction of Neural Network Models},
author = {Yi Chen and Xiaoyang Dong and Jian Guo and Yantian Shen and Anyu Wang and Xiaoyun Wang},
journal= {arXiv preprint arXiv:2409.11646},
year = {2024}
}
备注
Accepted by Asiacrypt 2024