哈希水印作为过滤器：防御基于权重的神经网络水印中的伪造和覆盖攻击

摘要

作为有价值的数字资产，深度神经网络需要强大的所有权保护，神经网络水印（NNW）因此成为一种有前景的解决方案。在各种NNW方法中，基于权重的方法因其简单性和实用性而受到青睐；然而，它们仍然容易受到伪造和覆盖攻击。为了应对这些挑战，我们提出了NeuralMark，这是一种围绕哈希水印过滤器构建的鲁棒方法。具体而言，我们利用哈希函数从密钥生成不可逆的二进制水印，然后将其用作过滤器来选择用于嵌入的模型参数。这种设计巧妙地将嵌入参数与哈希水印交织在一起，为伪造和覆盖攻击提供了强大的防御。还整合了平均池化以抵抗微调和剪枝攻击。此外，它可以无缝集成到各种神经网络架构中，确保广泛的适用性。理论上，我们分析了其安全边界。实证上，我们在13种不同的卷积和Transformer架构上验证了其有效性和鲁棒性，涵盖了五个图像分类任务和一个文本生成任务。源代码可在https://URL获取。

主题

密码学与安全（cs.CR）；机器学习（cs.LG）

引用

arXiv:2507.11137 [cs.CR]（或此版本的arXiv:2507.11137v1 [cs.CR]）

提交历史

来自：Yuan Yao [查看电子邮件] [v1] 2025年7月15日星期二 09:38:11 UTC（1,830 KB）