拒绝搭便车：保护深度模型的知识产权
人工智能
2024-08-28 v2
摘要
随着科学技术进步源于人类智力劳动和计算开销，模型知识产权保护日益受到关注。确保训练者和所有者的知识产权安全至关重要，特别是在需要所有权验证和适用性授权的领域。保护模型知识产权的一个显著方法是主动防止已授权领域的训练有素模型被未经授权的领域使用。本文介绍了一种新颖的紧凑不可迁移金字塔隔离域（CUPI-Domain），它作为一道屏障，阻止从授权领域到非授权领域的非法迁移。受人类传递推理和学习能力的启发，CUPI-Domain旨在通过强调授权领域的独特风格特征来阻碍跨域迁移。这种强调导致在非授权领域上无法识别无关的私有风格特征。为此，我们提出了新颖的CUPI-Domain生成器，它从授权域和CUPI-Domain中选择特征作为锚点。然后，我们融合这些锚点的风格特征和语义特征，生成带有标签且风格丰富的CUPI-Domain。此外，我们设计了外部域信息记忆库（DIMB），用于存储和更新带标签的金字塔特征，以获得稳定的域类特征和域类风格特征。基于所提出的完整方法，设计了新颖的风格损失函数和判别损失函数，分别有效增强了授权域与非授权域之间在风格和判别特征上的区分度。此外，我们根据非授权域是否已知，提供了两种利用CUPI-Domain的解决方案：目标指定的CUPI-Domain和无目标的CUPI-Domain。
引用
@article{arxiv.2408.13161,
title = {Say No to Freeloader: Protecting Intellectual Property of Your Deep Model},
author = {Lianyu Wang and Meng Wang and Huazhu Fu and Daoqiang Zhang},
journal= {arXiv preprint arXiv:2408.13161},
year = {2024}
}