L-VQVAE

新的AI水印方法提高了时间序列数据的鲁棒性

研究人员开发了一种用于AI模型生成的时间序列数据的水印新方法，解决了当前技术的一个关键限制。现有的水印方法在后编辑攻击下常常失效，因为它们的检测器依赖于全局重新编码，这会不可预测地改变检测分数。提出的LVQMark解决方案利用了一种名为L-VQVAE的局部标记生成模型，其中每个标记都从一个小的 temporal window 生成。这种局部化方法确保了即使在数据修改后，检测仍然稳定可靠，这一点已在金融、能源和神经影像数据集的实验中得到证明。