守望者引导的零样本学习：一种无需真实数据暴露的协作范式
计算机视觉与模式识别
2024-03-15 v1
摘要
随着对数据隐私和模型版权的日益关注，尤其是在 AI 服务提供商和数据所有者之间的合作背景下，本工作提出了一种创新的 SG-ZSL 框架。SG-ZSL 旨在无需交换模型或敏感数据即可促进高效合作。该框架由教师模型、学生模型和连接两者的生成器组成。教师模型代表数据所有者，替代真实数据，在 AI 服务提供商端的训练期间指导学生模型。考虑到教师模型和学生模型之间知识空间的差异，我们引入了两种教师模型变体：全知式和准全知式教师。在教师的指导下，学生模型寻求匹配教师模型的性能，并探索教师尚未覆盖的领域。为在隐私和性能之间进行权衡，我们进一步引入两种不同的安全级别训练协议：白盒和黑盒，增强了该范式的适应性。尽管缺乏真实数据的 SG-ZSL 框架面临固有的挑战，但在 ZSL 和 GZSL 任务中始终表现出色，尤其是在白盒协议中。我们的全面评估进一步证明了其在各种设置下的鲁健性和效率，包括严格的黑盒训练协议。
引用
@article{arxiv.2403.09363,
title = {Sentinel-Guided Zero-Shot Learning: A Collaborative Paradigm without Real Data Exposure},
author = {Fan Wan and Xingyu Miao and Haoran Duan and Jingjing Deng and Rui Gao and Yang Long},
journal= {arXiv preprint arXiv:2403.09363},
year = {2024}
}