研究人员研究了用于超高维计算(HDC)分类器的模型水印技术,将基于后门的嵌入方法应用于三种不同的HDC模型。研究发现,像AdaptHD和OnlineHD这样的误差驱动分类器可以在准确性损失最小的情况下支持验证,而Vanilla HDC需要更多的暴露并且可能显著影响性能。水印在持续训练下表现出弹性,但容易被攻击者的水印提取和覆盖,尽管严重的覆盖也会导致准确性下降。在现场可编程门阵列(FPGA)上测试时,带水印的AdaptHD模型在存在大量计算错误的情况下也显示出验证的生存能力。 AI
影响 这项研究探索了保护高效AI模型知识产权的方法,可能影响AI在资源受限环境中的开发和部署。
排序理由 该集群包含一篇学术论文,详细介绍了关于超高维计算分类器模型水印的新研究发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →