基于扩散模型的数字水印框架

咩-不想起名字

已于 2024-09-03 17:26:27 修改

阅读量943

点赞数 19

文章标签： python

于 2024-08-31 22:39:29 首次发布

本文链接：https://blog.csdn.net/qq_53010932/article/details/141760062

版权

脆弱水印

模型版权保护与模型完整性保护
在这里插入图片描述

鲁棒水印可用于标识深度模型所有者、使用者、版本号、传播路径等，实现版权保护目标；脆弱水印可用于模型攻击篡改检测，实现完整性认证和保护目标；二者合力，可望建立模型全生命周期的秩序保障，具有重要战略意义、科学研究价值和应用前景

如图所示，训练一个成功的模型需要大量的算力、带标注的数据集和模型结构设计以及研究者训练成本，这意味着训练好的模型具有巨大价值，因此为训练好的模型提供版权保护和完整性保护是有必要的。其中为了能够在任何被盗模型中检测出能够检测其所有权的水印信息，重点在于水印的稳健性(Robustness，也被称为鲁棒性)，确保它们不能通过修剪、压缩、微调、蒸馏等方式被抹去，同时在添加水印后不影响模型性能。

深度模型脆弱水印的分类

深度模型脆弱水印的分类与鲁棒模型版权水印的分类方法基本相同，在嵌入和检测过程中分为白盒方法和黑盒方法。白盒方法意味着需要了解模型的内部参数结构，而黑盒方法则不需要了解模型内部细节，仅仅需要获取模型的输入和输出。水印的目的都是建立一种特殊的对应关系，当模型被篡改时，这种对应关系会发生变化。
在这里插入图片描述

从整体来看，所有工作可以分为四个维度：白盒嵌入和白盒检测(White-White, W-W)；白盒嵌入和黑盒检测(White-Black, W-B)；黑盒嵌入和白盒检测(Black-White, B-W)；黑盒嵌入和黑盒检测(BlackBlack, B-B)。但目前还没有关于黑盒嵌入和白盒检测(B-W)的相关工作。检测黑盒水印是脆弱模型水印领域研究最多的方向，它可以分为有损-无损两种不同的方式，如图所示。检测白盒需要在模型完整性检测期间查看模型内部结构参数以验证其完整性。