NaturalFinger: 利用生成对抗网络生成自然指纹
计算机视觉与模式识别
2023-05-30 v1 密码学与安全
摘要
深度神经网络(DNN)模型已成为模型所有者的关键资产,因为其训练需要大量资源(如标注数据)。因此,许多指纹方案被提出以保护模型所有者的知识产权(IP)免受模型抽取和非法再分发。然而,先前方案采用非自然图像作为指纹,如对抗样本和含噪图像,易被对手察觉并拒绝。本文提出NaturalFinger,利用生成对抗网络(GANs)生成自然指纹。此外,我们提出的NaturalFinger对决策差异区域而非决策边界进行指纹提取,更具鲁棒性。GAN的应用不仅使我们能生成更难以察觉的样本,还使我们能生成无限制样本以探索决策边界。为证明我们指纹方法的有效性,我们针对四种模型修改攻击(包括对抗训练)和两种模型抽取攻击进行评估。实验表明,我们的方法在FingerBench数据集(154个模型)上达到0.91的ARUC值,超过最优基线(MetaV)17%以上。
引用
@article{arxiv.2305.17868,
title = {NaturalFinger: Generating Natural Fingerprint with Generative Adversarial Networks},
author = {Kang Yang and Kunhao Lai},
journal= {arXiv preprint arXiv:2305.17868},
year = {2023}
}