一种基于后门技术的深度强化学习水印框架OACSTPCD
A Deep Reinforcement Learning Watermarking Framework Based on Backdoor Technology
深度强化学习(DRL)已经证明了它在各种复杂任务中的有效性,因其出色的性能使其商业化正在急剧加速.生成一个DRL模型需要大量的计算资源和专业知识,使得一个训练有素的DRL模型已经成为人工智能应用程序和产品的核心知识产权.基于对DRL模型的产权保护,防止非法抄袭、未经授权的分发和复制,提出一种后门技术的DRL水印框架DrlWF,并使用一个全新的评价指标水印动作实现比例来衡量水印性能.通过向训练状态中添加水印,并使用带有水印的水印状态训练模型从而实现…查看全部>>
Deep Reinforcement Learning(DRL)has demonstrated its effectiveness in various complex tasks.Its outstanding performance is rapidly accelerating its commercialization.Generating a DRL model requires substantial computational resources and expertise,making a well-trained DRL model the core intellectual property of artificial intelligence applications and products.Protecting these DRL models from illegal plagiarism,unauthorized distribution,and copying is cruci…查看全部>>
陈瑜霖;姚志强;金彪;李璇;蔡娟娟;熊金波
福建师范大学计算机与网络空间安全学院,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||福建省大数据分析与应用工程研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||福建省大数据分析与应用工程研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||福建省大数据分析与应用工程研究中心,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117福建师范大学计算机与网络空间安全学院,福建 福州 350117||福建省大数据分析与应用工程研究中心,福建 福州 350117
计算机与自动化
深度强化学习知识产权保护后门攻击神经网络水印黑盒模型
deep reinforcement learningintellectual property protectionbackdoorneural network watermarkingblack-box model
《福建师范大学学报（自然科学版）》 2024 (1)
96-105,10
国家自然科学基金资助项目(62272103、62272102)福建省自然科学基金资助项目(2023J01531)福建省教育厅中青年教师科研项目(JAT220045)
评论