HoneyImage：面向图像模型的数据集所有权可验证、无害且隐形验证
计算机视觉与模式识别
2025-08-05 v1 人工智能
摘要
图像基 AI 模型正在跨越医疗、安防等多个领域广泛部署，但许多图像数据集包含敏感或专有内容，引发未经授权数据使用的数据所有权保护问题。现有解决方案如后门水印和成员推断在验证有效性与数据完整性之间存在内在权衡。本文提出HoneyImage，一种用于图像识别模型的数据集所有权验证方法。HoneyImage 通过选择性修改少量硬样本以嵌入不可察觉且可验证的痕迹，实现可靠的所有权验证，同时保持数据集完整性。跨四个基准数据集和多种模型架构的大量实验表明，HoneyImage 在保持几乎不可见的前提下，始终实现强大的验证准确率，仅对下游性能产生最小影响。该方法为数据所有者提供了实用机制来保护有价值图像数据集的所有权，鼓励安全共享，释放数据驱动 AI 的变革潜能。
引用
@article{arxiv.2508.00892,
title = {HoneyImage: Verifiable, Harmless, and Stealthy Dataset Ownership Verification for Image Models},
author = {Zhihao Zhu and Jiale Han and Yi Yang},
journal= {arXiv preprint arXiv:2508.00892},
year = {2025}
}