基于个性化归一化的免重训练鲁棒 GAN 指纹嵌入方法
计算机视觉与模式识别
2023-11-10 v1 图像与视频处理
摘要
近年来，生成模型在商业应用中显著增长，由模型开发者授权并分发给用户，用户转而利用它们提供服务。在此场景下，当发生违反许可协议或任何恶意使用时，需要追踪并识别责任用户。尽管已有方法使生成对抗网络（GAN）能够在其生成的图像中嵌入不可见水印，但为每个用户生成具有不同水印（称为指纹）的模型由于需要重新训练模型以嵌入所需指纹而耗时耗力。本文提出一种免重训练的 GAN 指纹方法，使模型开发者能够轻松生成功能相同但指纹不同的模型副本。生成器通过插入额外的个性化归一化（PN）层进行修改，其参数（缩放与偏置）由两个专用的浅层网络（ParamGen Nets）生成，以指纹作为输入。同时训练一个水印解码器从生成图像中提取指纹。所提方法仅需改变 ParamGen Nets 的输入并执行一次前向传播，无需微调或重训练，即可在 GAN 中嵌入不同指纹。该方法在抵御模型级和图像级攻击的鲁棒性方面也优于当前最优方法。
引用
@article{arxiv.2311.05478,
title = {Robust Retraining-free GAN Fingerprinting via Personalized Normalization},
author = {Jianwei Fei and Zhihua Xia and Benedetta Tondi and Mauro Barni},
journal= {arXiv preprint arXiv:2311.05478},
year = {2023}
}