文献

J-GLOBAL ID：202002230552914715   整理番号：20A2186443

DM-QIMによるDNNモデルの全結合層に対する電子透かし法

DM-QIM Watermarking for Fully Connected Layers of DNN Model

著者 (3件)： 田中拓朗 (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： 120  号： 151(EMM2020 29-35)  ページ： 1-6 (WEB ONLY)  発行年： 2020年08月25日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 学習済みDNNモデルの保護のために,透かし情報をDNNの重みに埋め込むことが研究されている.しかし,従来手法では,重みの変化量が大きく,その重みの分散値を解析すれば透かし情報の存在を検出でき,ノイズ付加により効果的に透かし情報を除去・改変できることが報告されている.本研究では,全結合層に焦点を当て,秘密鍵に基づいて選出した重みにQIM電子透かし法を適用する.提案手法の利点は,透かし情報の埋め込みによって引き起こされる変化が従来に比べてはるかに小さく,理論的にその変化量を調整可能である点である.提案手法の妥当性をシミュレーションで検証し,攻撃に対しても高い耐性を有することを確認した.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *電子透かし ,  情報セキュリティ ,  重みづけ ,  暗号鍵 ,  量子化 ,  安全性 ,  ロバスト性 ,  実験
準シソーラス用語： ディープニューラルネットワーク ,  情報保護 ,  秘密鍵 ,  評価実験

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

引用文献 (14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.
• B.D. Rouhani, H. Chen, and F. Koushanfar, “DeepSigns: An end-to-end watermarking framework for ownership protection of deep neural networks,” Proc. ASPLOS’19, pp.485-497, 2019.
• H. Chen, B.D. Rouhani, C. Fu, J. Zhao, and F. Koushanfar, “Deep-Marks: A secure fingerprinting framework for digital rights management of deep learning models,” Proc. ICMR’19, pp.105-113, 2019.
• T. Wang and F. Kerschbaum, “Attacks on digital watermarks for deep neural networks,” Proc. ICASSP’19, pp.2622-2626, 2019.

タイトルに関連する用語 (3件)： モデル ,  結合層 ,  電子透かし