System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于人工智能安全领域,涉及一种基于模型隐藏的所有权确认方法、设备及计算机可读介质,利用深度学习网络双向学习的能力,基于权重共享进行模型双向训练,并把反向模型作为后门,为正向模型嵌入水印,以确认模型的所有权。
技术介绍
1、模型水印技术使得人工智能模型所有者可以在其模型中嵌入不易察觉的标识符或水印,以便在模型遭到盗用或未经授权使用时能够追踪并声明所有权。模型水印技术的实现方式多样,包括在模型的训练数据中加入特定模式、在模型结构或训练过程中引入特定算法调整,或通过在模型训练完成后直接修改模型的权重或参数。这些水印的设计要求精巧,旨在确保它们在不显著影响模型的基本性能和准确性的情况下,能够持久地存储在模型中。尽管如此,这些水印方法可能面临被高级逆向工程技术检测和移除的风险,特别是在那些具有足够资源和技术能力的攻击者手中。并且,如果水印的嵌入过于微妙,它可能容易在模型微调或重训练过程中被无意中抹除。而且复杂的模型可能需要精确控制以保证水印的有效性和隐蔽性。
技术实现思路
1、为了克服现有技术的不足,本专利技术利用隐藏模型作为后门能够仅被模型所有者识别的特点,提出一种基于反向训练的隐藏模型作为模型水印的方法,使得模型的所有权可以被确认。
2、本专利技术所设计的一种基于模型隐藏的所有权确认方法,包括一下步骤:
3、步骤1,收集与项目目标相符的图像或情感分类文本数据集并进行预处理;
4、步骤2,构建空间索引,使数据集中每个图片具有唯一的索引表示;
...【技术保护点】
1.一种基于模型隐藏的所有权确认方法,其特征在于,包括一下步骤:
2.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:步骤1中利用数据增强方法扩大良性数据数据,所述增强方法包括图像仿射变换、添加噪声和颜色变换。
3.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:数据集预处理包括对数据进行清洗,评估并处理异常值、缺失值,以及不一致的数据条目,并把数据进行归一化,最终确定模型训练的数据集;训练者根据需求选择模型架构,并合理地初始化模型权重,确定超参数设置,包括设置学习率、批量大小和训练周期数。
4.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:所述步骤2中将模型中的项目转换为二进制编码,并与索引值对应,将索引存储在模型中的项目,并使用格雷码进行数据的编码,增加索引函数的域。
5.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:将数据集中数据的类别信息编码为向量并将其加到索引值上,并采用随机嵌入映射到特定的类;在引入类别信息嵌入之后,设为数据集中所有类别的集合,定义类别嵌入函数为
6.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:步骤4中,在正向训练过程中,输入数据按照常规的监督学习任务准备,标签也对应于输入数据的预期输出,输入数据通过模型的各层前向传播,每一层根据其激活函数和当前权重处理数据,直到达到输出层;模型的输出与真实标签比较,通过交叉熵损失用于计算分类任务的预测误差;
7.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:所述步骤4中,在双向训练中,正向和反向任务共享模型的权重,模型在正向训练后,对正向模型的权重进行转置,得到权重,用作反向训练的起点。
8.一种电子设备,其特征在于,包括:
9.一种计算机可读介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1-7中任一所述的基于模型隐藏的所有权确认方法。
...【技术特征摘要】
1.一种基于模型隐藏的所有权确认方法,其特征在于,包括一下步骤:
2.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:步骤1中利用数据增强方法扩大良性数据数据,所述增强方法包括图像仿射变换、添加噪声和颜色变换。
3.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:数据集预处理包括对数据进行清洗,评估并处理异常值、缺失值,以及不一致的数据条目,并把数据进行归一化,最终确定模型训练的数据集;训练者根据需求选择模型架构,并合理地初始化模型权重,确定超参数设置,包括设置学习率、批量大小和训练周期数。
4.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:所述步骤2中将模型中的项目转换为二进制编码,并与索引值对应,将索引存储在模型中的项目,并使用格雷码进行数据的编码,增加索引函数的域。
5.根据权利要求1所述的基于模型隐藏的所有权确认方法,其特征在于:将数据集中数据的类别信息编码为向量并将其加到索引值上,并采用随机嵌入映射到特定的类;在引入类别信息嵌入之后...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。