为机器学习模型识别恰当的知识产权保护机制：水印、指纹、模型访问与攻击的系统化梳理
机器学习
2023-04-27 v1 人工智能
密码学与安全
摘要
机器学习（ML）的商业应用正在普及；与此同时，ML模型变得愈发复杂且训练成本更高，这使得训练模型的知识产权保护（IPP）成为一个紧迫问题。不同于其他可依托对威胁、攻击及防御的扎实理解来保护其IP的领域，ML相关的此类研究仍十分碎片化。这也归因于缺乏统一的视角以及这些方面的通用分类法。本文中，我们系统化关于ML中IPP的研究发现，重点关注撰写时已识别的威胁与攻击以及已提出的防御手段。我们为ML中的IP开发了一个全面的威胁模型，在统一且整合的分类法内对攻击与防御进行分类，从而桥接了ML与安全两个社群的研究。
引用
@article{arxiv.2304.11285,
title = {Identifying Appropriate Intellectual Property Protection Mechanisms for Machine Learning Models: A Systematization of Watermarking, Fingerprinting, Model Access, and Attacks},
author = {Isabell Lederer and Rudolf Mayer and Andreas Rauber},
journal= {arXiv preprint arXiv:2304.11285},
year = {2023}
}