PCPT与ACPT：面向DNN模型的版权保护与溯源方案
密码学与安全
2023-11-29 v2 人工智能
摘要
深度神经网络(DNNs)在人工智能(AI)领域取得了巨大成功。然而，DNN模型易被犯罪分子非法复制、再分发或滥用，严重损害模型发明者的利益。基于神经网络水印的DNN模型版权保护已有研究，但针对泄露模型授权用户判定的溯源机制是AI服务需求驱动下的新问题。由于现有溯源机制用于无水印模型，会产生少量误报。现有黑盒主动保护方案授权控制松散且易受伪造攻击。因此，基于黑盒神经网络水印思想，结合视频分帧与图像感知哈希算法，提出一种被动版权保护与溯源框架PCPT，其利用额外一类DNN模型，改进了现有产生少量误报的溯源机制。基于授权控制策略与图像感知哈希算法，提出一种DNN模型主动版权保护与溯源框架ACPT。该框架利用由检测器与验证器构建的授权控制中心，实现了更严格的授权控制，建立用户与模型所有者间的强关联，提升框架安全性并支持溯源验证。
引用
@article{arxiv.2206.02541,
title = {PCPT and ACPT: Copyright Protection and Traceability Scheme for DNN Models},
author = {Xuefeng Fan and Dahao Fu and Hangyu Gui and Xinpeng Zhang and Xiaoyi Zhou},
journal= {arXiv preprint arXiv:2206.02541},
year = {2023}
}