文献

J-GLOBAL ID：202002233234008599   整理番号：20A1929635

DeepSigns:深層ニューラルネットワークの所有保護のためのエンドツーエンド電子透かしフレームワーク【JST・京大機械翻訳】

DeepSigns An End-to-End Watermarking Framework for Ownership Protection of Deep Neural Networks

著者 (3件)： Darvish Rouhani Bita (University of California, San Diego, San Diego, CA, USA) ,  Chen Huili (University of California, San Diego, San Diego, CA, USA) ,  Koushanfar Farinaz (University of California, San Diego, San Diego, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASPLOS ’19  ページ： 485-497  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習(DL)モデルは,知能戦争と健康管理から自律輸送と自動製造までの様々な重要な分野における生データを理解する能力のパラダイムシフトを創出した。サービスとしてDLモデルを採用するためのラッシュにおける実際的懸念は,知的財産(IP)侵害に対するモデルを保護する。DLモデルは,大量の専用訓練データを処理する実質的な計算資源を割り当てることにより一般的に構築される。従って,得られたモデルは,モデル構築者のIPであり,所有者の競争優位性を保存するために保護する必要がある。著者らは,開発者が,モデルを分配する前に,ターゲットDLモデルにディジタル電子透かしを組織的に挿入することを可能にする最初のエンドツーエンドIP保護フレームワークであるDeepSignsを提案する。深いSignは,TensorFlowとPyTorchを含む一般的な深層学習フレームワーク内で活用できる高レベルラッパーとしてカプセル化される。DLモデルの異なる層で得られた活性化マップの確率密度関数(pdf)を動的に学習することにより,DeepSignsにおけるライブラリが研究される。DeepSignsは,DL訓練中に所有者の署名(電子透かし)を徐々に埋め込むために,モデル内の低確率領域を使用し,一方,全体の精度と訓練オーバヘッドに最小に影響する。深いSignは,モデル剪定,モデル微調整,および透かし書き込みを含む,様々な除去と変換攻撃を実証できる。広い残差畳み込みニューラルネットワーク,多層パーセプトロン,および長い短期メモリモデルを含む多様なDLアーキテクチャに関するDeepSigns性能を評価する。著者らの広範な評価は,DeepSignsの有効性および適用性を確証した。さらに,訓練オーバヘッドを2.2%と低くする訓練透かしニューラルネットワークを容易にするために,高度に最適化したAPIを,さらに提供した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ニューラルネットワーク ,  残差 ,  *エンドツーエンド方式 ,  健康管理 ,  計算機アーキテクチャ ,  多層パーセプトロン ,  確率密度関数 ,  知的財産 ,  ラッパー ,  深層学習 ,  *ディープニューラルネットワーク ,  畳込みニューラルネットワーク ,  改変
準シソーラス用語： 訓練データ ,  オーバヘッド , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層ニューラルネットワーク ,  ディジタル電子透かし ,  知的所有権保護

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  所有 ,  エンドツーエンド ,  電子透かし ,  フレームワーク