计算机工程与科学

作者：吴瑕, 郑洪英, 肖迪

单位：重庆大学计算机学院，重庆 401331

关键词：边缘计算,联邦学习,深度神经网络,模型版权保护,数字水印,

基金：国家自然科学基金(62072063)

随着边缘计算框架和联邦学习协议的结合，越来越多的深度学习模型版权保护工作被提出，但仅从发送方角度进行所有权验证，无法为接收方提供帮助。大量研究指出，在端-边-云联邦学习系统中，存在恶意用户试图无贡献获取公共模型，甚至向公共模型投毒，为此，有必要给接收方提供模型所有权验证方案。该研究在现有神经网络水印方案的基础上，提出了一种基于认证文件的双方验证模型水印方案，添加了认证文件生成步骤，并以模型结构调整实现双方对模型的所有权验证。通过实验验证了所提方案的可行性、鲁棒性以及获得的水印嵌入速度提升。

来源：2024年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第4期