Jun, 2022

DNN 模型的版权保护和可追溯性方案：PCPT 和 ACPT

PDF
TL;DR本文提出了一种基于黑盒神经网络水印技术和图像感知哈希算法的深度神经网络版权保护与可追溯性框架，该框架可以有效地解决现有基于水印的版权保护机制在追溯授权用户方面存在的误判以及黑盒主动保护机制的授权控制宽松问题。
deep neural networkcopyright protectiontraceability mechanismimage perceptual hash algorithmauthorization control
发现论文，激发创造
  • 一个基于盲水印的框架来保护 DNN 知识产权：如何证明你的模型属于你

    本研究提出了一种基于盲水印的知识产权保护（IPP）框架，通过将特定标签赋予普通样本并将其与独占标志组合生成水印来保护深度神经网络模型的知识产权，并成功验证了其安全性、可行性和鲁棒性，与创建者身份建立了明确的联系，有效应对了逃避攻击和恶意主张的问题。

    Mar, 2019

  • 基于深度神经网络应用的版权保护的即插即用防御扰动

    本文提出一种基于防御性扰动的插拔式隐形版权保护方法，通过设计的版权编码器将版权信息投影到防御性扰动中，添加到要保护的图像中，并使用版权解码器从编码的版权图像中提取版权信息，进一步使用鲁棒性模块来增强解码器的解码能力。它可以有效地保护基于深度神经网络的应用的版权，即使图像在社交媒体上发布，也可以正确提取版权信息。

    Apr, 2023

  • ROSE: 一种强健和安全的 DNN 水印技术

    该研究提出了一种轻量级、强健、安全的黑盒 DNN 数字水印协议，在训练期间注入任务特定的键图像 - 标签对，并证明该模型的所有权，从而提供保护同时保持适当的安全性和强健性。

    Jun, 2022

  • 保护、展示、关注和告知：使用所有权保护增强图像字幕模型

    本研究提出了两种不同的嵌入方案，以保护图像字幕模型的知识产权，并证明所提出的方法不会影响原始图像字幕的性能

    Aug, 2020

  • 重新思考深度神经网络所有权验证：嵌入护照以打败模糊攻击

    本文提出了一种新的基于护照的深度神经网络所有权验证方案，利用护照设计和训练深度神经网络模型，以使正版护照被伪造后会对其推理性能产生严重恶化，该方案既能抵御网络修改又能避免歧义攻击。

    Sep, 2019

  • 针对深度神经网络水印技术的攻击：以逃避攻击为例

    本研究关注深度神经网络的水印方案的稳健性和可靠性，发现恶意对手即使在水印难以删除的情况下，仍然可以逃避合法所有者的验证，从而避免了模型被盗的可能性。

    Sep, 2018

  • 保护自有知识产权：面向个性化生成的可扩展源追踪与归因

    通过将激进广义保护性水印与被动检测策略相结合，提出了一种统一的图像版权源追踪和归属性的方法，该方法采用个性化生成模型的输出作为初始步骤，利用强大的视觉主干网络对特定生成技术进行分类，并实现了增量学习策略以提高模型对新一代方法的适应性。实验证明了该方法在源追踪和归属性任务中的功效以及对知识遗忘的鲁棒性。

    May, 2024

  • 深度神经网络的功能耦合水印

    本文提出了一种新颖的 DNN 数字水印技术以有效防御模型精调和模型修剪等攻击。

    Feb, 2023

  • 图像处理网络的模型水印技术

    基于空间隐形水印技术，提出了一种图像处理模型的水印框架，防止模型权益被侵犯。实验证明，该水印技术可抵抗不同网络结构和目标函数训练出的替代模型。

    Feb, 2020

  • DeepHider: 基于多任务学习的隐蔽 NLP 水印框架

    本研究论文提出了基于深度模型超参数化和多任务学习理论的自然语言处理模型数字水印框架，该框架采用隐藏触发器并设计了一个新的辅助网络来提高数字水印模型的健壮性和安全性，成功验证了模型所有权以及良好的鲁棒性和安全性。

    Aug, 2022