X 标：医学影像中的基于显著性的鲁棒数据所有权验证
计算机视觉与模式识别
2026-02-11 v1 人工智能
机器学习
摘要
高质量的医学影像数据集是训练深度学习模型的必备条件，但其未经授权的使用引发了严重的版权和伦理问题。医学影像为现有针对自然图像设计的数据所有权验证方法带来了独特的挑战，因为固定尺寸图像中生成的静态水印模式在动态和高分辨率扫描时扩展效果不佳，这些扫描在视觉多样性和细微解剖结构方面有限，而且在保持诊断质量的同时，这种方法在视觉区分性方面也有限。本文提出了 X-Mark，一种用于胸部 X 光版权保护的样本特定的干净标签水印方法。具体而言，X-Mark 使用条件 U-Net 在每个样本的显著区域生成唯一的扰动。我们设计了多组件训练目标，以确保水印有效性、抗动态缩放能力、同时保持诊断质量和视觉可区分性。我们将拉普拉斯正则化纳入训练目标，以惩罚高频扰动并实现水印尺度不变性。在黑盒环境中执行所有权验证，以检测可疑模型中的特征行为。针对 CheXpert 的大量实验验证了 X-Mark 的有效性，实现了 100% 的水印成功率 (WSR)，在 Ind-M 场景中将误报概率降低了 12%，并显示出对潜在自适应攻击的抗性。
引用
@article{arxiv.2602.09284,
title = {X-Mark: Saliency-Guided Robust Dataset Ownership Verification for Medical Imaging},
author = {Pranav Kulkarni and Junfeng Guo and Heng Huang},
journal= {arXiv preprint arXiv:2602.09284},
year = {2026}
}