申请/专利权人：重庆邮电大学

申请日：2022-12-23

公开（公告）日：2023-03-21

公开（公告）号：CN115828188A

主分类号：G06F21/10

分类号：G06F21/10;G06F21/44

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.07#实质审查的生效;2023.03.21#公开

摘要：本发明涉及深度学习模型产权保护技术领域，尤其涉及一种防御替代模型攻击的可验证DNN模型版权的方法，包括构建联合部署模型，该模型包括提取网络和分类网络；在联合部署模型中，其数据集包括原始数据集和触发集，触发集由原始数据嵌入水印生成；在训练联合部署模型过程中，使用提取网络提取数据集的水印，其中令原始数据集提取的水印为原始数据，触发集中提取的水印为嵌入的水印；在提取的数据中加入扰动，对分类模型进行对抗训练；若攻击者通过攻击获取服务器内模型和数据集，并训练得到一个替代模型，则通过将原始数据集合触发集分别输入替代模型，若两个数据集的分类结果不同，则该模型为替代模型；本发明可在黑盒的情况下验证模型的版权。

主权项：1.一种防御替代模型攻击的可验证DNN模型版权的方法，其特征在于，具体包括以下步骤：S1、构建联合部署模型，该模型包括提取网络和分类网络；S2、在联合部署模型中，其数据集包括原始数据集和触发集，基于原始数据集利用空间不可见水印机制生成触发集；S3、在训练联合部署模型过程中，使用提取网络提取数据集的水印，其中令原始数据集提取的水印与原始数据保持一致，从触发集中提取的水印为步骤S2利用空间不可见水印机制生成的水印；S4、在水印提取之后的数据中加入扰动，对分类模型进行对抗训练；S5、若攻击者通过攻击获取服务器内模型和数据集，并训练得到一个替代模型，则通过将原始数据集合触发集分别输入替代模型，若两个数据集的分类结果不同，则该模型为替代模型。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种防御替代模型攻击的可验证DNN模型版权的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD