作者: Yongqi Jiang, Yansong Gao, Chunyi Zhou, Hongsheng Hu, Anmin Fu, Willy Susilo
提交日期: 2024年11月7日
摘要:
随着深度学习（DL）应用的日益广泛，尤其是以ChatGPT和LLaMA为代表的大语言模型（LLM）取得的瞩目成就，这些卓越模型的商业价值急剧攀升。然而，获取训练有素的模型成本高昂且资源密集，需要大量高质量数据集、专用架构设计的巨额投入、昂贵的计算资源以及培养专业技术知识的努力。因此，保护训练有素模型的知识产权（IP）正受到越来越多的关注。与现有综述主要集中于模型知识产权保护（IPP）不同，本综述不仅涵盖了模型层面智能的保护，还涵盖了宝贵数据集智能的保护。首先，根据有效IPP设计的要求，本文系统地总结了通用和方案特定的性能评估指标。其次，从主动预防IP侵权和被动验证IP所有权的角度，全面调查和分析了针对数据集和模型智能的现有IPP方法。此外，从训练设置的角度，深入探讨了分布式设置相较于集中式设置给IPP带来的独特挑战。进一步，本文审视了深度IPP技术面临的各种攻击。最后，我们展望了有前景的未来方向，以期为创新研究提供指导。
主题分类:
- 密码学与安全 (cs.CR)
- 人工智能 (cs.AI)
- 机器学习 (cs.LG)
arXiv标识符: arXiv:2411.05051