PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22981v1cs.CR

학습된 AI 모델 이중 잠금: PIN 기반 희소 QIM 워터마킹 및 적응형 인덱스 순열 접근법

Dual-Locking Learned AI Models: A PIN-Based Sparse QIM Watermarking and Adaptive Index Permutation Approach

본 논문에서는 키 기반 인덱스 순열(index permutation)과 희소 양자화 인덱스 변조(Sparse Quantization Index Modulation, QIM) 기반의 PIN 워터마킹을 결합하여 학습된 신경망을 보호하는 이중 잠금(dual-locking) 방법을 제안한다. 적응적으로 선택된 인덱스 벡터의 각 행에 균등 무작위 순열을 독립적으로 적용하여 암호학적 무작위성을 도입한다. 그런 다음 양자화된 값을 변조하여 바이어스 계수에 강건한 블라인드 이진 워터마크를 삽입함으로써, 사용자가 정의한 개인 식별 번호(PIN)에 네트워크를 결속시킨다. 올바른 키가 없으면 네트워크는 아키텍처를 유지하지만 내부 표현이 교란되어 기능적으로 손상된다. 역순열을 통해 원래 모델 정확도를 완전히 복원할 수 있으며, 삽입된 워터마크는 감지되지 않는 상태를 유지하면서 키 연관성 및 모델 소유권에 대한 블라인드 검증을 가능하게 한다. 잠금 효과와 복구 가능성을 모두 향상시키기 위해, 적응형 키 선택 전략을 통해 크기가 큰 가중치를 민감도가 낮은 위치로, 그 반대로 재배치함으로써 완전한 복원력을 유지하면서도 잠금 상태에서의 성능 저하를 극대화한다. 완전 연결 신경망, ResNet CNN, 트랜스포머 아키텍처를 사용하여 MNIST, CIFAR-10/100, ImageNet-1K에서 수행한 실험에 따르면, 잠금 시 정확도가 10% 미만으로 떨어지고 CNN의 경우 0.5% 미만까지 감소하는 반면, 올바른 키를 사용하면 성능이 완전히 복원됨을 보여준다. 워터마크는 측정 가능한 정확도 저하를 유발하지 않으며 소유권을 안정적으로 인증한다. 또한 CNN과 트랜스포머 전반에 걸친 임베딩 분포 분석은 과소학습되거나 최적화되지 않은 구조로 설계된 모델을 식별하는 데 잠재적인 진단 가치가 있음을 나타낸다. 따라서 제안된 접근 방식은 모델 보호, 복구 및 소유권 검증을 동시에 제공한다.

arXiv:2507.18036v2cs.CR

NWaaS: 적응형 자원 스케줄링을 갖춘 비침습적 프라이버시 보존 워터마킹-as-a-Service 시스템

NWaaS: A Non-Intrusive and Privacy-Preserving Watermarking-as-a-Service System with Adaptive Resource Scheduling

서비스형 머신러닝(Machine Learning as a Service)에서 지적재산(IP)을 보호하는 것은 중요하지만 어려운 과제이다. 심층 신경망 워터마킹은 모델 추출에 대한 표준적 방어 수단이지만, 기존 Watermarking-as-a-Service 패러다임은 침습성, 프라이버시 위험, 비효율성이라는 삼중 과제에 직면한다. 이러한 과제를 해결하기 위해, 우리는 신뢰할 수 있고 효율적인 IP 보호를 가능하게 하는 포괄적 프레임워크인 비침습적 워터마킹-as-a-Service(Non-intrusive Watermarking as a Service, NWaaS)를 제안한다. 우리는 먼저 모델을 수정하지 않고 소유권 검증을 위한 사이드 채널(side-channel)을 구축하는 새로운 워터마킹 알고리즘인 $\mathtt{ShadowMark}$를 소개한다. 이는 성능 저하를 전혀 일으키지 않으며, 매개변수 집약적인 미세조정과 원본 학습 데이터에 대한 접근 필요성을 제거하여, 기존 접근법에 내재된 침습성과 비효율성을 해결한다. 이러한 비침습적 특성을 활용하여, 우리는 모델 소유자가 자체 정의한 부분 레이어를 오프로드할 수 있게 하는 협력적 분할 메커니즘을 설계하여, IP 프라이버시와 서비스 비용 간의 유연한 트레이드오프를 가능하게 한다. 또한, 높은 동시성 하에서의 협력 컴퓨팅으로 인한 지연을 완화하고 시스템 자원 활용을 향상시키기 위해, 엣지-클라우드 환경의 이종적 제약에 맞춘 페이로드 균형화 자원 스케줄링 알고리즘인 proportion disparity joint scheduling을 제안한다. 광범위한 실험을 통해 NWaaS가 다양한 연속 X-to-Image 모달리티에 걸쳐 강건한 소유권 검증을 제공하면서, 안전한 소유자 프라이버시 보호와 우수한 시스템 성능을 보장함을 입증한다.

arXiv:2606.11698v1cs.CR

T2S: 추출 저항성 모델 워터마킹을 위한 리허설 기반 접근법

T2S: A Rehearsal-Based Approach for Extraction-Resistant Model Watermarking

모델 추출 공격에 대한 모델 워터마킹의 견고성을 강화하기 위해, 시뮬레이션된 도난 모델의 손실을 학습 신호로 사용하여 워터마크 지식을 파인튜닝하는 리허설 기반 프레임워크를 제안한다. 이 방법은 워터마크의 전이성을 증진시켜 모델 추출 및 워터마크 제거 공격에 대한 저항력을 유의미하게 향상시킨다.