随着工业界对深度学习模型的使用越来越广泛，机器学习即服务（MLaas）逐渐兴起，也利用了这些模型创造了可观的收入。由于这些深度学习模型可以轻松地被未经授权的第三方抄袭与剽窃，深度学习模型的知识产权 （IPR）保护也因此成了各公司会专注的问题。虽然目前已有用于卷积神经网络（CNN）的 IPR 保护方法，但是却不能直接使用在生成对抗网络（GANs）——另一种被广泛用于生成逼真图像的深度学习模型。因此，本文提出了一种基于黑盒与白盒的 GAN 模型 IPR 保护方法。实验结果表明，本方法并不会损害 GAN 本来的性能（如图像生成、图像超分辨率以及样式转换）。本方法也能够抵御去除嵌入的水印（removal）和模糊（ambiguity）攻击。本次分享将会解说如何基于黑盒与白盒的方式保护对抗生成网络（GANs），以及如何抵御各种水印攻击。
https://www.zhuanzhi.ai/paper/60a2152ff08a2ea98f6b6ebfa45cedb2
成为VIP会员查看完整内容
Protecting Intellectual Property of Generative Adversarial Networks from Ambiguity Attacks
相关内容
Arxiv
0+阅读 · 2021年6月22日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2021年6月22日
微信扫码咨询专知VIP会员