研究人员推出ArmSSL，一个旨在保护自监督学习（SSL）编码器知识产权的新型框架。该方法即使在下游任务中以黑盒模型形式访问被盗编码器时，也能实现所有权验证。ArmSSL还结合了潜在表示纠缠和分布对齐等技术，以确保其在对抗性检测或移除水印的尝试中具有鲁棒性，同时最大限度地减少对编码器效用的影响。 AI
影响 提供了一种保护AI模型知识产权的新方法，可能影响模型的共享和商业化。
排序理由 介绍一种用于水印自监督学习编码器的新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.22550v1 Announce Type: cross Abstract: Self-supervised learning (SSL) encoders are invaluable intellectual property (IP). However, no existing SSL watermarking for IP protection can concurrently satisfy the following two practical requirements: (1) provide ownership ve…
Self-supervised learning (SSL) encoders are invaluable intellectual property (IP). However, no existing SSL watermarking for IP protection can concurrently satisfy the following two practical requirements: (1) provide ownership verification capability under black-box suspect mode…