model protection | BriefGPT

关键词model protection

搜索结果 - 11

药剂：走向毒物遗忘
通过引入新的抗干扰方法和寻找适合的超参数来解决恶意攻击和毒数据从已训练模型中删除的问题，我们的方法在 CIFAR10 和 CIFAR100 数据集上检验后，毒数据去除效果显著，修复了 93.72% 的毒样本，相较于全模型重新训练方法（40.
PDF21 days ago
隐秘护照：一种无需重新训练的深度模型知识产权保护的所有者和用户可验证凭证
确保深度模型的合法使用对于推动可信、可问责和负责任的人工智能创新至关重要。我们提出了隐写护照方法，通过在护照中隐藏用户的身份图像，并从各自的用户端护照中恢复，将使用许可与所有权验证分离开来。该方法支持深度模型的灵活许可，提供强有力的所有权证
PDF3 months ago
EMNLP使用权重量化对 LLMs 添加数字水印
这篇论文提出了一种新颖的水印策略，通过在大型语言模型的量化过程中植入水印来保护模型权重，以避免恶意使用违反开源大型语言模型的许可证。该水印只在使用 fp32 模式的模型中起作用，并在将模型量化为 int8 时保持隐藏，使用户只能推理模型而无
PDF9 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
通过神经元授权实现边缘深度学习模型保护
本文提出了一种基于神经元级别的轻量级、实用的边缘设备模型保护方法，即 EdgePro，该方法使用一些特定神经元作为授权神经元，并将它们的激活值设置为锁定值，并在训练过程中将神经元输出缩放为密码，从而保护模型安全，实现正确的解密需要满足密码匹
PDFa year ago
基于人工智能的移动应用程序：一项探索性研究
本文通过数据集分析、关键问题定位和用户反馈与隐私保护等多方面对 56682 款 AI 应用进行了研究，揭示了其中的不足之处，如模型保护不足，用户隐私数据泄露等，还提供了数据集以供未来研究引用。
PDF2 years ago
FedTracker: 为联邦学习模型提供所有权验证和可追溯性
本研究提出了 FedTracker—— 第一个 FL 模型保护框架，其采用全局水印和本地指纹分别验证全局模型的所有权以及追溯模型背后的罪犯。结果表明，FedTracker 在验证、追溯、保真度和鲁棒性方面是有效的。
PDF2 years ago
使用机密秘钥训练 DNN 模型进行模型保护
本文提出了一种使用分块像素置换和秘密密钥作为预处理技术来保护模型的方法，实验结果表明，当密钥正确时，保护模型的性能接近于非受保护模型，而当给出错误的密钥时，准确度会严重下降，但所提出的模型保护在不仅抵御暴力攻击和微调攻击方面具有鲁棒性，同时
PDF4 years ago
AAAI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。
PDF4 years ago
AAAI复杂 DNN 模型的提取：真正的威胁还是鬼话？
本文研究机器学习模型的保护问题，重点探讨了模型抽取攻击的威胁性，并提出一种基于区分恶意和良性查询的防御方法
PDF5 years ago
基于远程神经网络水印的对抗性边界拼接
研究深度学习模型的水印技术，提出了一种零比特水印算法使用反对抗模型样本进行标记，可在保护模型性能损失较小的情况下使用少量查询轻松提取水印，并应用于 MNIST 数字识别任务的三种神经网络中。
PDF7 years ago