这篇研究论文探讨了使用数据集投毒技术作为对比学习数据集水印的可行性。研究表明，现有的数据投毒攻击在应用于对比学习模型时，在适应性和成功率方面存在局限性。然而，该论文提出通过采用统计验证方法和一种新颖的多级水印方案，将这些攻击重新用作知识产权保护的水印。 AI
影响 在对比学习环境中引入了一种新颖的数据集知识产权保护方法。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了数据集水印的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.01834v1 Announce Type: cross Abstract: Contrastive learning (CL) reduces annotation cost via auto-derived supervisory signals. Since large-scale in-house CL datasets are infeasible, reliance on third-party or internet data is common. Recent studies show CL models are v…