論文の概要: Deep Serial Number: Computational Watermarking for DNN Intellectual
Property Protection
- arxiv url: http://arxiv.org/abs/2011.08960v1
- Date: Tue, 17 Nov 2020 21:42:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:13:06.114221
- Title: Deep Serial Number: Computational Watermarking for DNN Intellectual
Property Protection
- Title（参考訳）: ディープシリアルナンバー:DNN知的財産保護のための計算透かし
- Authors: Ruixiang Tang, Mengnan Du, Xia Hu
- Abstract要約: DSN(Deep Serial Number、ディープシリアルナンバー)は、盗難されたモデルが無許可の当事者によって展開されるのを防ぐ新しい透かし手法である。
DSNは、元のDNN性能を犠牲にすることなく、不正なアプリケーションを防ぐという点で有効である。
- 参考スコア（独自算出の注目度）: 53.40245698216239
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we introduce DSN (Deep Serial Number), a new watermarking
approach that can prevent the stolen model from being deployed by unauthorized
parties. Recently, watermarking in DNNs has emerged as a new research direction
for owners to claim ownership of DNN models. However, the verification schemes
of existing watermarking approaches are vulnerable to various watermark
attacks. Different from existing work that embeds identification information
into DNNs, we explore a new DNN Intellectual Property Protection mechanism that
can prevent adversaries from deploying the stolen deep neural networks.
Motivated by the success of serial number in protecting conventional software
IP, we introduce the first attempt to embed a serial number into DNNs.
Specifically, the proposed DSN is implemented in the knowledge distillation
framework, where a private teacher DNN is first trained, then its knowledge is
distilled and transferred to a series of customized student DNNs. During the
distillation process, each customer DNN is augmented with a unique serial
number, i.e., an encrypted 0/1 bit trigger pattern. Customer DNN works properly
only when a potential customer enters the valid serial number. The embedded
serial number could be used as a strong watermark for ownership verification.
Experiments on various applications indicate that DSN is effective in terms of
preventing unauthorized application while not sacrificing the original DNN
performance. The experimental analysis further shows that DSN is resistant to
different categories of attacks.
- Abstract（参考訳）: 本稿では,盗まれたモデルが不正にデプロイされるのを防ぐ新しい透かし手法であるDSN(Deep Serial Number)を紹介する。
近年、DNNモデルの所有者がDNNモデルの所有権を主張する新たな研究方向として、DNNの透かしが出現している。
しかし、既存の透かし手法の検証は様々な透かし攻撃に対して脆弱である。
DNNに識別情報を埋め込む既存の作業とは異なり、敵が盗んだディープニューラルネットワークをデプロイするのを防止できる新しいDNN知的財産保護メカニズムを探索する。
従来のソフトウェアIP保護におけるシリアル番号の成功に触発されて,DNNにシリアル番号を埋め込む最初の試みを紹介する。
具体的には,個人教師のDNNを最初に訓練し,その知識を蒸留し,学生のDNNに伝達する知識蒸留フレームワークに提案したDSNを実装した。
蒸留プロセス中、各顧客DNNは独自のシリアル番号、すなわち暗号化された0/1ビットトリガパターンで拡張される。
顧客DNNは、潜在的な顧客が有効なシリアル番号を入力する場合にのみ適切に機能する。
組込みシリアル番号は、所有権検証のための強力な透かしとして使用できる。
様々な応用実験により、DSNは、元のDNN性能を犠牲にすることなく、不正なアプリケーションを防ぐという点で有効であることが示された。
実験分析の結果,dsnは異なる種類の攻撃に耐性があることが判明した。
関連論文リスト
- Deep Intellectual Property Protection: A Survey [70.98782484559408]
近年、ディープニューラルネットワーク(DNN)は革命的な進歩を遂げており、様々な分野で広く利用されている。
本研究の目的は,ディープウォーターマーキングとディープフィンガープリントの2つの主要なDNNIP保護手法を総合的に調査することである。
論文 参考訳（メタデータ） (2023-04-28T03:34:43Z) - The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural
Networks [94.63547069706459]
#DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。
違反の正確な数を返す新しい手法を提案する。
安全クリティカルなベンチマークのセットに関する実験結果を示す。
論文 参考訳（メタデータ） (2023-01-17T18:32:01Z) - Robust and Lossless Fingerprinting of Deep Neural Networks via Pooled
Membership Inference [17.881686153284267]
ディープニューラルネットワーク(DNN)は、すでに多くのアプリケーション分野で大きな成功を収めており、私たちの社会に大きな変化をもたらしています。
DNNの知的財産権(IP)を侵害から保護する方法は、最も重要かつ非常に困難なトピックの1つである。
本稿では,DNNモデルのIPを保護するために,Emphpooled Memberation Inference (PMI) と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-09-09T04:06:29Z) - Black-box Safety Analysis and Retraining of DNNs based on Feature
Extraction and Clustering [0.9590956574213348]
DNNエラーの根本原因を自動的に識別するブラックボックスアプローチであるSAFEを提案する。
これは、ImageNetで事前訓練された転送学習モデルを使用して、エラー誘発画像から特徴を抽出する。
次に、密度に基づくクラスタリングアルゴリズムを適用し、誤りのもっともらしい原因をモデル化した画像の任意の形状のクラスタを検出する。
論文 参考訳（メタデータ） (2022-01-13T17:02:57Z) - Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid
Precoding [94.40747235081466]
本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。
我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
論文 参考訳（メタデータ） (2021-10-22T20:49:02Z) - Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。
DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。
コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
論文 参考訳（メタデータ） (2020-06-30T14:56:05Z) - An Efficient Spiking Neural Network for Recognizing Gestures with a DVS
Camera on the Loihi Neuromorphic Processor [12.118084418840152]
Spiking Neural Networks(SNN)は、機械学習ベースのアプリケーションにおいて注目を浴びている。
本稿では,対応するディープニューラルネットワーク(DNN)とほぼ同じ精度のSNNの設計手法を示す。
我々のSNNは89.64%の分類精度を達成し、37のLoihiコアしか占有していない。
論文 参考訳（メタデータ） (2020-05-16T17:00:10Z) - CodNN -- Robust Neural Networks From Coded Classification [27.38642191854458]
ディープニューラルネットワーク(Deep Neural Networks、DNN)は、現在進行中の情報革命における革命的な力である。
DNNは、敵対的であろうとランダムであろうと、ノイズに非常に敏感である。
これは、DNNのハードウェア実装と、自律運転のような重要なアプリケーションへの展開において、根本的な課題となる。
提案手法により,DNNのデータ層あるいは内部層は誤り訂正符号で符号化され,ノイズ下での計算が成功することが保証される。
論文 参考訳（メタデータ） (2020-04-22T17:07:15Z) - GraN: An Efficient Gradient-Norm Based Detector for Adversarial and
Misclassified Examples [77.99182201815763]
ディープニューラルネットワーク(DNN)は、敵対的な例やその他のデータ摂動に対して脆弱である。
GraNは、どのDNNにも容易に適応できる時間およびパラメータ効率の手法である。
GraNは多くの問題セットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2020-04-20T10:09:27Z) - DeepHammer: Depleting the Intelligence of Deep Neural Networks through
Targeted Chain of Bit Flips [29.34622626909906]
量子化ディープニューラルネットワーク(DNN)に対するハードウェアベースの最初の攻撃を実演する。
DeepHammerは、数分で実行時にDNNの推論動作を修正することができる。
私たちの研究は、将来のディープラーニングシステムにセキュリティメカニズムを組み込む必要性を強調しています。
論文 参考訳（メタデータ） (2020-03-30T18:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。