摘要
随着深度神经网络的推广应用,训练后的神经网络模型已经成为一种重要的资产并为用户提供服务.服务商在提供服务的同时,也更多地关注其模型的版权保护,神经网络水印技术应运而生.首先,分析水印及其基本需求,并对神经网络水印涉及的相关技术进行介绍;对深度神经网络水印技术进行对比,并重点对白盒和黑盒水印进行详细分析;对神经网络水印攻击技术展开对比,并按照水印攻击目标的不同,对水印鲁棒性攻击、隐蔽性攻击、安全性攻击等技术进行分类介绍;最后对未来方向与挑战进行探讨.
基金项目
国家自然科学基金重点项目(U1836211)
国家自然科学基金(62072448)
北京市自然科学基金(JQ18011)
中国科学院青年创新促进会优秀会员(Y202046)
大数据协同安全国家工程实验室开放课题()
NETL
NSTL
维普
万方数据