用于 GAN 鲁棒所有权验证的宽平坦极小值水印
计算机视觉与模式识别
2023-10-27 v1 人工智能
摘要
我们提出了一种新颖的多比特无框水印方法，用于保护 GAN 的知识产权（IPR），并提升针对微调、剪枝、量化和代理模型攻击等白盒攻击的鲁棒性。该水印通过在 GAN 训练期间添加额外的水印损失项来嵌入，确保 GAN 生成的图像包含可由预训练水印解码器提取的不可见水印。为提高针对白盒模型级攻击的鲁棒性，我们确保模型收敛到水印损失项的宽平坦极小值，使得对模型参数的任何修改都不会擦除水印。为此，我们向生成器的参数添加随机噪声向量，并要求水印损失项在存在噪声时尽可能不变。该过程迫使生成器收敛到水印损失项的宽平坦极小值。所提方法与架构和数据集无关，因此适用于许多不同的生成任务和模型，以及基于 CNN 的图像处理架构。我们给出了大量实验的结果，表明水印的存在对生成图像质量的影响可忽略不计，并证明了该水印针对模型修改和代理模型攻击的优越鲁棒性。
引用
@article{arxiv.2310.16919,
title = {Wide Flat Minimum Watermarking for Robust Ownership Verification of GANs},
author = {Jianwei Fei and Zhihua Xia and Benedetta Tondi and Mauro Barni},
journal= {arXiv preprint arXiv:2310.16919},
year = {2023}
}