判别器能做什么？面向生成对抗网络的无约束框所有权验证
计算机视觉与模式识别
2023-08-01 v1 密码学与安全
摘要
近几十年来，生成对抗网络（GAN）及其变体在图像合成中取得了前所未有的成功。然而，训练良好的 GAN 面临被非法窃取或泄露的威胁。先前关于远程所有权验证的研究假设黑盒设定，即防御者可用特定输入查询可疑模型，我们认为这对生成任务而言并不充分。为此，本文提出一种新颖的 GAN 知识产权保护方案，其所有权验证仅通过检查输出即可完成，而无需选择输入（即无约束框设定）。具体而言，我们利用判别器未被发掘的潜力来学习一个超球面，以捕获配对生成器所学的独特分布。在两项流行 GAN 任务及超过 10 种 GAN 架构上的大量评估表明，我们提出的方案能有效验证所有权。我们所提方案对流行的基于输入的移除攻击免疫，并对其他现有攻击具有鲁棒性。源代码与模型见 https://github.com/AbstractTeen/gan_ownership_verification
引用
@article{arxiv.2307.15860,
title = {What can Discriminator do? Towards Box-free Ownership Verification of Generative Adversarial Network},
author = {Ziheng Huang and Boheng Li and Yan Cai and Run Wang and Shangwei Guo and Liming Fang and Jing Chen and Lina Wang},
journal= {arXiv preprint arXiv:2307.15860},
year = {2023}
}
备注
Accepted to ICCV 2023. The first two authors contributed equally to this work