抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自己監督学習は,新しい機械学習パラダイムである。高品質ラベル付きデータセットを利用する教師つき学習と比較して,自己教師付き学習は,様々な下流タスクのための特徴抽出器として処理できる強力な符号器を事前訓練するためのラベルなしデータセットに依存する。大量のデータと計算資源消費は,符号器自身がモデル所有者の貴重な知的財産になる。最近の研究では,機械学習モデルの著作権が,与えられたモデルの行動を模倣するための代理モデルを訓練することを目的として,モデルステーリング攻撃によって脅かされていることを示した。予め訓練された符号器は,モデルステーリング攻撃に対して非常に脆弱であることを経験的に示した。しかし,分類器上の電子透かし濃縮物のような著作権保護アルゴリズムのほとんどの現在の努力は,ある。一方,事前訓練エンコーダの著作権保護の固有課題は,ほとんど研究されていない。事前訓練符号器のための最初の電子透かし方式であるSSLGuardを提案することによってギャップを埋める。清潔な事前訓練符号器を与えられた場合,SSLGuardは電子透かしに電子透かしを注入し,透かし版を出力する。また,シャドウトレーニング技術を適用して,潜在的モデルステーリング攻撃の下で電子透かしを保存する。広範囲な評価は,SSLGuardが電子透かし注入と検証に有効であり,入力雑音,出力摂動,書き込み,モデル剪定,および微調整のようなモデルステーリングと他の電子透かし除去攻撃に対してロバストであることを示した。【JST・京大機械翻訳】