海报：使用可见水印数据集训练神经网络的可行性
密码学与安全
2019-06-05 v3
摘要
随着机器学习中数据共享需求的增长，数据所有者主张所有权的问题日益受到关注。可见水印一直是主张视觉数据所有权的有效方式，然而由于水印造成视觉信息丢失以及可能存在移除水印的攻击，带可见水印的图像并未被视为训练视觉识别模型的主要来源。为使水印图像更适用于机器学习且降低被移除风险，我们提出 DeepStamp，一种水印框架：给定水印图像和用于图像分类的已训练网络，其学习合成具有人类可感知、抗移除且能作为分类训练图像使用且精度损失最小的水印图像。为实现该目标，我们采用生成多对抗网络（GMAN）。在 CIFAR10 上的实验表明，DeepStamp 学习将水印变换并嵌入每幅图像，且带水印图像可用于训练网络。
引用
@article{arxiv.1902.10854,
title = {Poster: On the Feasibility of Training Neural Networks with Visibly Watermarked Dataset},
author = {Sanghyun Hong and Tae-hoon Kim and Tudor Dumitraş and Jonghyun Choi},
journal= {arXiv preprint arXiv:1902.10854},
year = {2019}
}
备注
Presented as a poster at the NDSS'19