注意散漫:選択的忘却による連続学習を通した電子透かし除去【JST・京大機械翻訳】

Zhong Qi; Zhang Leo Yu; Hu Shengshan; Gao Longxiang; Zhang Jun; Xiang Yong

プレプリント

J-GLOBAL ID：202202212795069021 整理番号：22P0325431

注意散漫:選択的忘却による連続学習を通した電子透かし除去【JST・京大機械翻訳】

Attention Distraction: Watermark Removal Through Continual Learning with Selective Forgetting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月04日プレプリントサーバーでの情報更新日： 2022年04月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

微調整攻撃は,深層学習モデルにおける埋込み電子透かしの除去に有効である。しかし,ソースデータが利用できない場合,モデル性能の危険なしに電子透かしを消去することは難しい。この文脈において,著者らは,新しいソースデータフリー電子透かし除去攻撃である注意障害(AD)を導入し,このモデルを,連続学習をカスタマイズすることにより,埋込み電子透かしを,選択的に忘れるようにした。特に,ADは,いくつかのラベルなしデータを使用して,主要なタスクに関するモデルの注意を最初に固定した。次に,連続学習を通して,新しいラベルを割り当てた少数の小数の(ランダム選択自然画像)は,電子透かしから離れてモデルの注意を引く。異なるデータセットとネットワークからの実験結果は,ADが主要なタスクに関するモデルの性能を損なうことなく,小さな資源予算で電子透かしを完全に除去でき,最先端の研究より優れていることを確証した。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , データ保護

, , ,

前のページに戻る