https://blog.qife122.com/tags/%E6%A8%A1%E5%9E%8B%E6%B0%B4%E5%8D%B0/ Recent content in 模型水印 on 办公AI智能小助手 Hugo zh-cn qife Sat, 06 Sep 2025 23:21:00 +0800 https://blog.qife122.com/p/%E7%83%AD%E6%8F%92%E6%8B%94markboard%E9%9D%A2%E5%90%91%E5%A4%A7%E8%A7%84%E6%A8%A1%E6%A8%A1%E5%9E%8B%E5%88%86%E5%8F%91%E7%9A%84%E9%AB%98%E6%95%88%E9%BB%91%E7%9B%92%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF/ Sat, 06 Sep 2025 23:21:00 +0800 https://blog.qife122.com/p/%E7%83%AD%E6%8F%92%E6%8B%94markboard%E9%9D%A2%E5%90%91%E5%A4%A7%E8%A7%84%E6%A8%A1%E6%A8%A1%E5%9E%8B%E5%88%86%E5%8F%91%E7%9A%84%E9%AB%98%E6%95%88%E9%BB%91%E7%9B%92%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF/ <h1 id="热插拔markboard面向大规模模型分发的高效黑盒水印方法">热插拔MarkBoard：面向大规模模型分发的高效黑盒水印方法</h1> <p><strong>作者</strong>：Zhicheng Zhang, Peizhuo Lv, Mengke Wan, Jiang Fang, Diandian Guo, Yezeng Chen, Yinlong Liu, Wei Ma, Jiyan Sun, Liru Geng</p> <h2 id="摘要">摘要</h2> <p>近年来，深度学习（DL）模型作为端侧人工智能（On-Device AI）越来越多地部署在终端用户设备上，提供了更高的效率和隐私保护。然而，这种部署趋势带来了更严重的知识产权（IP）风险，因为模型分布在众多本地设备上，使其容易遭受盗用和再分发。大多数现有的所有权保护解决方案（例如基于后门的水印技术）是为基于云的人工智能即服务（AIaaS）设计的，并不直接适用于大规模分发场景，其中每个用户特定的模型实例必须携带唯一的水印。这些方法通常嵌入固定水印，修改嵌入水印需要重新训练模型。</p>