論文の概要: Say No to Freeloader: Protecting Intellectual Property of Your Deep Model

• arxiv url: http://arxiv.org/abs/2408.13161v1
• Date: Fri, 23 Aug 2024 15:34:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-26 14:30:33.033637
• Title: Say No to Freeloader: Protecting Intellectual Property of Your Deep Model
• Title（参考訳）: フリーローダーに言うな。Deep Modelの知的財産を保護する
• Authors: Lianyu Wang, Meng Wang, Huazhu Fu, Daoqiang Zhang,
• Abstract要約: コンパクト・アントランスファーブル・ピラミッド分離ドメイン(CUPI-Domain)は、権限のないドメインから権限のないドメインへの違法な転送に対する障壁として機能する。 本稿では,CUPI-Domain と CUPI-Domain の両方の特徴をアンカーとして選択する CUPI-Domain ジェネレータを提案する。 非許可ドメインが知られているかどうかに基づいて、CUPI-Domainを利用するための2つのソリューションを提供する。
• 参考スコア（独自算出の注目度）: 52.783709712318405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model intellectual property (IP) protection has attracted growing attention as science and technology advancements stem from human intellectual labor and computational expenses. Ensuring IP safety for trainers and owners is of utmost importance, particularly in domains where ownership verification and applicability authorization are required. A notable approach to safeguarding model IP involves proactively preventing the use of well-trained models of authorized domains from unauthorized domains. In this paper, we introduce a novel Compact Un-transferable Pyramid Isolation Domain (CUPI-Domain) which serves as a barrier against illegal transfers from authorized to unauthorized domains. Drawing inspiration from human transitive inference and learning abilities, the CUPI-Domain is designed to obstruct cross-domain transfers by emphasizing the distinctive style features of the authorized domain. This emphasis leads to failure in recognizing irrelevant private style features on unauthorized domains. To this end, we propose novel CUPI-Domain generators, which select features from both authorized and CUPI-Domain as anchors. Then, we fuse the style features and semantic features of these anchors to generate labeled and style-rich CUPI-Domain. Additionally, we design external Domain-Information Memory Banks (DIMB) for storing and updating labeled pyramid features to obtain stable domain class features and domain class-wise style features. Based on the proposed whole method, the novel style and discriminative loss functions are designed to effectively enhance the distinction in style and discriminative features between authorized and unauthorized domains, respectively. Moreover, we provide two solutions for utilizing CUPI-Domain based on whether the unauthorized domain is known: target-specified CUPI-Domain and target-free CUPI-Domain.
• Abstract（参考訳）: モデル知的財産権(IP)保護は、科学技術の進歩が人間の知的労働と計算費用に起因するため、注目を集めている。 トレーナーとオーナーのIP安全性を保証することは、特にオーナシップの認証と適用可能性の承認が必要なドメインにおいて最も重要である。 モデルIPを保護するための注目すべきアプローチは、未認可ドメインから十分に訓練されたモデルを使用することを積極的に防止することである。 本稿では,権限のないドメインから権限のないドメインへの不法な転送に対する障壁となる,コンパクト・アントランスファーブル・ピラミッド・アイソレーション・ドメイン(CUPI-Domain)について紹介する。 ヒトの推移的推論と学習能力からインスピレーションを得たCUPI-Domainは、認定ドメインの特有のスタイルの特徴を強調することによって、ドメイン間の転送を阻止するように設計されている。 この強調は、無許可ドメイン上の無関係なプライベートスタイルの特徴を認識することに失敗につながります。 そこで本研究では,CUPI-Domain と CUPI-Domain の両方の特徴をアンカーとして選択する新しい CUPI-Domain ジェネレータを提案する。 次に、これらのアンカーのスタイル特徴とセマンティック特徴を融合させ、ラベル付きおよびスタイルリッチなCUPI-Domainを生成する。 さらに、安定したドメインクラス機能とドメインクラスのスタイル機能を得るために、ラベル付きピラミッド機能を格納および更新するための外部ドメイン情報記憶バンク(DIMB)を設計する。 提案手法全体に基づいて,新規なスタイルと識別的損失関数を設計し,認証ドメインと未認可ドメインの識別的特徴の区別を効果的に強化する。 さらに、未承認領域が知られているかどうかに基づいて、CUPI-Domainを利用するための2つのソリューションを提供する。

関連論文リスト

• Learning Domain-Aware Detection Head with Prompt Tuning [27.597165816077826]
  ドメイン適応オブジェクト検出(DAOD)は、注釈付きソースドメインで訓練された検出器を、未ラベルのターゲットドメインに一般化することを目的としている。 本稿では,各領域に対して動的検出ヘッドを生成するために,学習可能なドメイン適応プロンプトを適用したドメイン認識検出ヘッド(DA-Pro)を提案する。
  論文  参考訳（メタデータ） (2023-06-09T07:30:10Z)
• Model Barrier: A Compact Un-Transferable Isolation Domain for Model Intellectual Property Protection [52.08301776698373]
  我々は、CUTIドメイン(Compact Un-TransferableIsolateion Domain)と呼ばれる新しいアプローチを提案する。 CUTIドメインは、権限のないドメインから権限のないドメインへの違法な転送を阻止する障壁として機能する。 CUTIドメインは,異なるバックボーンを持つプラグイン・アンド・プレイモジュールとして容易に実装可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-20T13:07:11Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• FRIDA -- Generative Feature Replay for Incremental Domain Adaptation [34.00059350161178]
  FRIDA(Feature Based Incremental Domain Adaptation)と呼ばれる新しいフレームワークを提案する。 ドメインアライメントのために,DANN-IBと呼ばれる,一般的なドメイン対向ニューラルネットワーク(DANN)の簡単な拡張を提案する。 Office-Home、Office-CalTech、DomainNetデータセットの実験結果は、FRIDAが文献よりも優れた安定性と塑性のトレードオフを維持していることを確認した。
  論文  参考訳（メタデータ） (2021-12-28T22:24:32Z)
• Self-Adversarial Disentangling for Specific Domain Adaptation [52.1935168534351]
  ドメイン適応は、ソースとターゲットドメイン間のドメインシフトをブリッジすることを目的としています。 最近の手法では、特定の次元について明示的な事前知識を考慮しないのが一般的である。
  論文  参考訳（メタデータ） (2021-08-08T02:36:45Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Interventional Domain Adaptation [81.0692660794765]
  ドメイン適応(DA)は、ソースドメインからターゲットドメインに学習した差別的特徴を転送することを目的としている。 標準的なドメイン不変学習は、素早い相関に悩まされ、ソース固有性を誤って転送する。 ドメイン固有部分とドメイン共有部分とを区別する反ファクト機能を作成します。
  論文  参考訳（メタデータ） (2020-11-07T09:53:13Z)

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。