論文の概要: IrisFP: Adversarial-Example-based Model Fingerprinting with Enhanced Uniqueness and Robustness
- arxiv url: http://arxiv.org/abs/2603.24996v1
- Date: Thu, 26 Mar 2026 03:39:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.083224
- Title: IrisFP: Adversarial-Example-based Model Fingerprinting with Enhanced Uniqueness and Robustness
- Title（参考訳）: IrisFP:特異性とロバスト性を高めた対向型モデルフィンガープリント
- Authors: Ziye Geng, Guang Yang, Yihang Chen, Changqing Luo,
- Abstract要約: IrisFPは、新しい逆例ベースのモデルフィンガープリントフレームワークである。
すべての決定境界の交差点付近に指紋を配置する。
複合サンプル指紋を合成し、複数のサンプルを多境界交差点に近接して構成する。
統計的分離性指標を用いて、生成された指紋の識別力を評価する。
- 参考スコア（独自算出の注目度）: 9.981615514164469
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose IrisFP, a novel adversarial-example-based model fingerprinting framework that enhances both uniqueness and robustness by leveraging multi-boundary characteristics, multi-sample behaviors, and fingerprint discriminative power assessment to generate composite-sample fingerprints. Three key innovations make IrisFP outstanding: 1) It positions fingerprints near the intersection of all decision boundaries - unlike prior methods that target a single boundary - thus increasing the prediction margin without placing fingerprints deep inside target class regions, enhancing both robustness and uniqueness; 2) It constructs composite-sample fingerprints, each comprising multiple samples close to the multi-boundary intersection, to exploit collective behavior patterns and further boost uniqueness; and 3) It assesses the discriminative power of generated fingerprints using statistical separability metrics developed based on two reference model sets, respectively, for pirated and independently-trained models, retains the fingerprints with high discriminative power, and assigns fingerprint-specific thresholds to such retained fingerprints. Extensive experiments show that IrisFP consistently outperforms state-of-the-art methods, achieving reliable ownership verification by enhancing both robustness and uniqueness.
- Abstract（参考訳）: IrisFPは,多面的特性,マルチサンプル動作,指紋識別パワーアセスメントを活用し,特異性とロバスト性を両立させ,複合サンプル指紋を生成する新しい逆サンプルモデルフィンガープリントフレームワークである。
3つの重要なイノベーションは、IrisFPを際立たせる。
1)全ての決定境界の交差点付近に指紋を配置し、単一の境界を目標とする従来の方法とは異なり、ターゲットクラス領域の奥深くに指紋を配置することなく予測マージンを増大させ、堅牢性と独特性の両方を高める。
2)多面的交差点付近の複数のサンプルからなる複合サンプル指紋を作製し,集団行動パターンの活用と,さらに独特性の向上を図る。
3)2つの基準モデルセットに基づいて開発した統計分離性指標を用いて,2つの基準モデルを用いて,生成された指紋の識別力を評価し,高い識別力を有する指紋を保持し,その保持指紋に指紋特定閾値を割り当てる。
大規模な実験により、IrisFPは最先端の手法を一貫して上回り、堅牢性と独特性の両方を向上することで、信頼性の高いオーナシップ検証を実現している。
関連論文リスト
- Fingerprinting Deep Neural Networks for Ownership Protection: An Analytical Approach [9.981615514164469]
AnaFPは、理論的指導の下で指紋を構成する分析的なフィンガープリントスキームである。
ストレッチ係数の上下境界を決定する性質を定式化する。
実験の結果、AnaFPは従来手法よりも一貫して優れていた。
論文 参考訳（メタデータ） (2026-03-22T21:31:11Z) - A Behavioral Fingerprint for Large Language Models: Provenance Tracking via Refusal Vectors [43.11304710234668]
安全アライメントによって引き起こされる行動パターンを活用する新しいフィンガープリントフレームワークを提案する。
76の子孫モデルを対象とした大規模識別タスクにおいて,本手法は正しいモデル群を同定する際の精度を100%向上する。
本稿では,このプライベートフィンガープリントを,公開で検証可能なプライバシー保護アーティファクトに変換するための理論的枠組みを提案する。
論文 参考訳（メタデータ） (2026-02-10T05:57:35Z) - Antidistillation Fingerprinting [119.66677613290359]
本稿では, 学生の学習力学と指紋認証の目的を一致させる原則的アプローチとして, 抗蒸留フィンガープリント (ADFP) を導入する。
ADFPは、学生モデルのアーキテクチャが未知であっても、最先端のベースラインよりも大幅に改善され、実用性への影響が最小限に抑えられた検出信頼性が向上する。
論文 参考訳（メタデータ） (2026-02-03T18:15:50Z) - SeedPrints: Fingerprints Can Even Tell Which Seed Your Large Language Model Was Trained From [65.75182441010327]
我々は,LDMフィンガープリントのより強く,より本質的な概念であるSeedPrintsを提案する。
トレーニングされていないモデルでは,パラメータのみに依存した再現可能なトークン選択バイアスが示される。
LLaMAスタイルとQwenスタイルのモデルの実験では、SeedPrintsはシードレベルの識別性を実現し、バイオメトリック指紋に似た生来からライフサイクルの識別認証を提供する。
論文 参考訳（メタデータ） (2025-09-30T15:34:08Z) - Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。
テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文 参考訳（メタデータ） (2025-08-12T17:19:20Z) - RouteMark: A Fingerprint for Intellectual Property Attribution in Routing-based Model Merging [69.2230254959204]
我々は,統合されたMoEモデルにおけるIP保護のためのフレームワークであるRouteMarkを提案する。
我々の重要な洞察は、タスク固有の専門家は、探索入力の下で安定かつ独特なルーティング行動を示すことである。
属性と改ざん検出のために,類似性に基づくマッチングアルゴリズムを導入する。
論文 参考訳（メタデータ） (2025-08-03T14:51:58Z) - Finger Pose Estimation for Under-screen Fingerprint Sensor [33.05877729161858]
画面下指紋ポーズ推定のための新しいデュアルモーダル入力ベースネットワークを提案する。
本手法は,スクリーン下指紋センサによる隆起パッチから抽出したテクスチャの詳細と,タッチスクリーンから得られた容量画像から得られた粗い輪郭を効果的に統合する。
本手法は従来のSOTA法よりも優れており,指紋認識アルゴリズムの認識能力を大幅に向上させる。
論文 参考訳（メタデータ） (2025-05-05T09:05:47Z) - Latent fingerprint enhancement for accurate minutiae detection [8.996826918574463]
本稿では,GAN(Generative Adversary Network)を用いてLFE(Latent Fingerprint Enhancement)を再定義する手法を提案する。
生成過程の微妙な情報を直接最適化することにより、このモデルは、地味な事例に対して例外的な忠実さを示す強化された潜伏指紋を生成する。
筆者らのフレームワークは, 微小な位置と配向場を統合し, 局所的および構造的指紋の特徴の保存を確実にする。
論文 参考訳（メタデータ） (2024-09-18T08:35:31Z) - Pair-Relationship Modeling for Latent Fingerprint Recognition [25.435974669629374]
本稿では,2つの指紋のペア関係を認識の類似性として直接モデル化する手法を提案する。
2つのデータベースに対する実験結果から,提案手法が技術状況より優れていることが示された。
論文 参考訳（メタデータ） (2022-07-02T11:31:31Z) - High-Robustness, Low-Transferability Fingerprinting of Neural Networks [78.2527498858308]
本稿では,ディープニューラルネットワークを効果的にフィンガープリントするための特性例を提案する。
モデルプルーニングに対するベースモデルへの高いロバスト性、無関係モデルへの低透過性などが特徴である。
論文 参考訳（メタデータ） (2021-05-14T21:48:23Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳（メタデータ） (2020-05-12T15:51:59Z)
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。