基于常重码的深度神经网络水印剪枝攻击免疫方法
密码学与安全
2021-07-08 v1 机器学习
摘要
为保障深度神经网络（DNN）模型的知识产权，已有研究探索水印技术，在不严重降低原始任务性能的前提下将边信息嵌入模型中。DNN水印面临的威胁之一是剪枝攻击：模型中较不重要的神经元被剪除以加速模型、压缩模型并去除水印。本研究探讨一种信道编码方法来抵御剪枝攻击。由于该信道模型与传统模型（如数字图像）完全不同，何种编码方法适用于DNN水印一直是一个开放问题。本文提出一种利用常重码来免疫剪枝攻击影响的新颖编码方法。据我们所知，这是首项为DNN水印引入编码技术以使其对剪枝攻击具有鲁棒性的研究。
引用
@article{arxiv.2107.02961,
title = {Immunization of Pruning Attack in DNN Watermarking Using Constant Weight Code},
author = {Minoru Kuribayashi and Tatsuya Yasui and Asad Malik and Nobuo Funabiki},
journal= {arXiv preprint arXiv:2107.02961},
year = {2021}
}