PulseAugur
实时 18:28:57
English(EN) Re-Key-Free, Risky-Free: Adaptable Model Usage Control

新的AdaLoc方法确保了可适应的AI模型使用控制

研究人员开发了一种名为AdaLoc的新方法,通过将访问密钥嵌入到模型参数的子集中来增强深度神经网络(DNN)的安全性。这种方法实现了可适应的模型使用控制,这意味着即使在微调或特定任务更新后,也可以在不进行完全重新密钥设置的情况下,将模型的效用恢复到授权状态。在各种基准测试和架构上的实验表明,AdaLoc在为授权用户保持高精度的同时,能够显著降低未经授权访问的性能,使其下降到接近随机猜测的水平。 AI

影响 引入了一种新颖的方法来保护已部署的AI模型免遭未经授权的使用和改编。

排序理由 提出模型使用控制新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的AdaLoc方法确保了可适应的AI模型使用控制

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zihan Wang, Zhongkui Ma, Xinguo Feng, Chuan Yan, Dongge Liu, Ruoxi Sun, Derui Wang, Minhui Xue, Guangdong Bai ·

    Re-Key-Free, Risky-Free: Adaptable Model Usage Control

    arXiv:2511.18772v2 Announce Type: replace-cross Abstract: Deep neural networks (DNNs) have become valuable intellectual property of model owners, due to the substantial resources required for their development. To protect these assets in the deployed environment, recent research …