PulseAugur
中
实时 10:41:34
English(EN) Revisiting Black-Box Model Ownership Verification through Information Theory

新框架增强黑盒AI模型所有权验证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的框架，通过利用top-k输出来验证黑盒机器学习模型的所有权，而不仅仅是预测标签。这种方法解决了现有水印方法的一个基本容量限制，这些方法在嵌入强大的所有权信号时通常会降低准确性。通过利用更丰富的输出空间，新方法在保持跨不同数据域的预测性能的同时，增强了水印的有效容量。 AI

影响 这项研究可能为保护机器学习模型的知识产权带来更强大、更实用的方法。

排序理由 阐述解决特定AI技术问题的学术论文。[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 →

新框架增强黑盒AI模型所有权验证

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Aoting Hu, Yanzhi Chen, Renjie Xie, Xinwei Zhang, Wei Xu ·

    从信息论角度重新审视黑箱模型所有权验证

    arXiv:2409.06130v2 Announce Type: replace-cross Abstract: Modern machine learning models require substantial computational resources and data to train, making them valuable intellectual property. Model watermarking has emerged as a practical solution for black-box ownership verif…

相关话题