ZKROWNN：面向神经网络的零知识所有权证明
密码学与安全
2023-09-14 v1
摘要
训练当代 AI 模型需要在获取学习数据与计算资源方面进行投入，使得这些模型成为所有者的知识产权。流行的模型水印方案依赖于密钥输入触发器进行检测；密钥必须保持私密，以防止隐藏签名的发现、伪造与移除。我们提出 ZKROWNN，这是首个利用零知识证明（Zero-Knowledge Proofs, ZKP）的自动化端到端框架，使实体能够验证其对模型的所有权，同时保护水印的隐私。ZKROWNN 允许第三方客户端在不到一秒的时间内验证模型所有权，仅需少至几 KB 的通信开销。
引用
@article{arxiv.2309.06779,
title = {ZKROWNN: Zero Knowledge Right of Ownership for Neural Networks},
author = {Nojan Sheybani and Zahra Ghodsi and Ritvik Kapila and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2309.06779},
year = {2023}
}
备注
Published and presented at DAC 2023