深度学习模型的知识产权保护:分类、方法、攻击与评估
密码学与安全
2022-07-05 v2
摘要
深度学习的训练与模型创建通常代价高昂,因此可视为模型创造者的知识产权(IP)。然而,获得高性能模型的恶意用户可能在未经许可的情况下非法复制、再分发或滥用模型。为应对此类安全威胁,近年来已提出若干深度神经网络(DNN)知识产权保护方法。本文试图对现有DNN知识产权保护工作予以综述并展望。首先,我们针对六种属性提出首个DNN知识产权保护方法分类法:场景、机制、容量、类型、功能与目标模型。随后,依据上述六种属性对现有DNN知识产权保护工作进行调研,特别关注这些方法面临的挑战、能否提供主动防护,以及它们对不同层级攻击的抵抗能力。之后,我们从模型修改、规避攻击和主动攻击三方面分析针对DNN知识产权保护方法的潜在攻击。此外,给出了一种针对DNN知识产权保护方法的系统评估方法,涵盖基本功能指标、抗攻击指标及面向不同应用场景的定制指标。最后,提出了DNN知识产权保护的未来研究机遇与挑战。
引用
@article{arxiv.2011.13564,
title = {Intellectual Property Protection for Deep Learning Models: Taxonomy, Methods, Attacks, and Evaluations},
author = {Mingfu Xue and Yushu Zhang and Jian Wang and Weiqiang Liu},
journal= {arXiv preprint arXiv:2011.13564},
year = {2022}
}