ip protection | BriefGPT - AI 论文速递

关键词ip protection

搜索结果 - 13

神经形态脑的数字水印技术：脉冲神经网络的知识产权保护
该研究调查适应了两种主要的水印技术，即基于指纹和基于后门的机制，以保护专有的脉冲神经网络结构，对其保真度、抵御覆写威胁的能力和抗压缩攻击的抵抗力进行了评估，并与对应的人工神经网络进行了比较。这项研究为开发针对脉冲神经网络特殊动态的神经形态感
PDF2 months ago
你合并了我的模型吗？关于大型语言模型知识产权保护方法对抗模型合并的稳定性
模型合并是一种有前景的轻量级模型增强技术，它不依赖昂贵的计算设备（如 GPU），也不需要收集特定的训练数据。该技术通过编辑不同的上游模型参数，吸收它们的下游任务能力。本文研究了模型合并场景下知识产权（IP）保护方法的鲁棒性，并调查了量化水印
PDF3 months ago
CVPRMAP：面向源码自由的模型知识产权保护的 MAsk-Pruning
基于深度学习模型的知识产权保护问题，本研究提出了一种新颖的 MAsk Pruning（MAP）框架，通过冻结源模型，并学习目标特定的二进制掩模来实现未授权数据使用的防护，同时最小化对授权数据的性能降低，实验证明该方法在多种场景下达到了新的最
PDF4 months ago
PreGIP: 图神经网络的预训练水印技术，用于深度知识产权保护
为了保护知识产权并保持嵌入空间的高质量，本文提出了一种名为 PreGIP 的框架，通过在预训练的 GNN 编码器中引入无需任务的水印损失函数进行水印标记，并采用抗微调的水印注入方法，理论分析和广泛实验表明了 PreGIP 在知识产权保护和维
PDF5 months ago
MEA-Defender：一种抵御模型提取攻击的鲁棒水印方案
本文中，我们提出了一种名为 MEA-Defender 的新型水印方法，用于保护深度神经网络模型的知识产权免受模型提取攻击的侵害，并经过实验证明 MEA-Defender 在多种不同的模型提取攻击和水印去除 / 检测方法下表现得极为稳健。
PDF5 months ago
EncryIP: 模型知识产权保护的实用加密框架
在快速发展的数字经济中，保护与数字产品相关的知识产权变得越来越重要。本文介绍了一种名为 EncryIP 的实用基于加密的框架，它将公钥加密方案无缝集成到模型学习过程中。这种方法使得受保护的模型能够产生随机和混淆的标签，确保只有具备正确秘钥的
PDF6 months ago
NNSplitter：自动权重混淆的 DNN 模型主动防御解决方案
本文提出了一种主动深度神经网络模型知识保护方案，NNSplitter，通过将模型划分为权重模糊的难以执行且低性能的模型部分和权重的索引和原始值只有授权用户才能访问的模型机密部分，其中模型机密部分得以在托管执行环境下保护。同时，本文基于强化学
PDFa year ago
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。
PDFa year ago
通过混合成员推断对深度神经网络进行稳健且无损指纹识别
本研究提出了一种名为池化分组会员推断（PMI）的新技术，旨在保护深度神经网络（DNN）模型的知识产权。PMI 并不改变给定 DNN 模型的网络参数，也不通过一系列精心设计的触发样本进行微调，而是通过推断哪个小型数据集曾用于训练目标 DNN
PDF2 years ago
SSL-WM: 一种应用于自监督学习预训练编码器的黑盒水印方案
本文提出了一种名为 SSL-WM 的黑盒数码水印技术，可在不知道下游任务的情况下，保护自我监督学习模型，实现对恶意盗用者的追踪以及知识产权的保护。
PDF2 years ago
AAAI使用词汇水印保护语言生成 API 的知识产权
通过对原始输出进行词汇修改，本论文提出了一种新颖的文本生成 API 水印方法，以此保护 NLG API 的知识产权，并在 p 值方面取得更好的可识别性能。
PDF3 years ago
针对深度模型保护的护照感知归一化
本文提出了一种新的具有护照感知能力的规范化公式，可用于深度学习网络的知识产权（IP）保护，通过对公私分离双重机制的应用，在不影响原始目标网络结构的情况下，实现对深度学习模型的知识产权保护，与传统防御方法相比具有更好的安全可靠性。
PDF4 years ago
IPGuard: 通过指纹分类边界保护深度神经网络的知识产权
本文提出了 IPGuard 方法，它通过数据指纹来保护深度神经网络分类器的知识产权，并且不会牺牲分类器的准确性，相比于现有的数字水印技术具有更好的保护效果。
PDF5 years ago