文献

J-GLOBAL ID：202202238531462287   整理番号：22A0048625

埋め込みロス関数なしのDNN電子透かしの収束に関する考察

A Study on Convergency of DNN Watermarking Without Embedding Loss Function

クリップ

著者 (4件)： 田中拓朗 (岡山大 大学院自然科学研究科) ,  安井達哉 (岡山大 大学院自然科学研究科) ,  栗林稔 (岡山大 大学院自然科学研究科) ,  舩曵信生 (岡山大 大学院自然科学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 246(EA2021 27-56)  ページ： 49-54 (WEB ONLY)  発行年： 2021年11月08日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープニューラルネットワーク(DNN)に関する知的財産権の保護は,DNNの学習に多大なコストがかかることや,DNNが社会に広く普及していることから,重要な課題であり,様々な手法が現在研究されている.我々は,埋め込み用の損失関数を用いず,重みパラメータの周波数成分に直接透かし情報を埋め込む手法を提案している.以前までの研究によって,提案手法での埋め込み操作は学習の収束に対して,ほとんど影響しない事を実験的に確認している.本論文では,提案手法での埋め込み操作が学習の収束に対して与える影響を,埋め込み操作が与える重みの変化量と学習による重みの変化量を比較することで,定量的に評価した.埋め込み操作が与える変化量は,学習による重みの変化量に比べると十分に小さく,学習の収束に対して大きな影響を与えないことを確認した.また,ResNet50に対しても提案手法を適用し,提案手法の汎用性についても確認した.(著者抄録)

シソーラス用語： 埋込み【写像】 ,  損失関数 ,  *ニューラルネットワーク ,  深層 ,  資産 ,  知的財産権 ,  *電子透かし ,  学習 ,  性能 ,  機械学習 ,  *収束 ,  *ディープニューラルネットワーク ,  学習性能 ,  知的財産
準シソーラス用語： ロス関数

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (15件)：

• Y. Uchida, Y. Nagai, S. Sakazawa, and S. Satoh, “Embedding watermarks into deep neural networks,” Proc. ICMR’17, pp.269-277, 2017.
• Y. Nagai, Y. Uchida, S. Sakazawa, and S. Satoh, “Digital watermarking for deep neural networks,” International Journal of Multimedia Information Retrieval, vol.7, pp.3-16, 2018.
• T. Wang and F. Kerschbaum, “Attacks on digital watermarks for deep neural networks,” Proc. ICASSP’19, pp.2622-2626, 2019.
• 田中 拓朗,栗林 稔,舩曵 信生,“DM-QIMによるDNNモデルの全結合層に対する電子透かし法,” 信学技報,vol.120,no.151, pp.1-6,2020.
• M. Kuribayashi, T. Tanaka, and N. Funabiki, “Deepwatermark: Embedding watermark into dnn model,” 2020 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pp.1340-1346, 2020.

タイトルに関連する用語 (4件)： 埋め込み ,  ロス関数 ,  電子透かし ,  収束