摘要: 深度神经网络模型凝结了设计者的智慧,需要消耗大量数据和计算资源,是人工智能技术的重要产出物,已被广泛应用于生产和生活当中。然而,作为一种数字产品,如何保护深度神经网络模型免于被非法复制、分发或滥用(即知识产权保护)是人工智能产业化进程中必须面临和解决的难题。文章主要介绍基于数字水印的深度模型产权保护技术,通过总结深度模型水印的发展现状,对深度模型水印的研究趋势进行展望。
张新鹏, 吴汉舟. 深度模型水印[J]. 自然杂志, 2022, 44(4): 267-273.
ZHANG Xinpeng, WU Hanzhou. Deep model watermarking[J]. Chinese Journal of Nature, 2022, 44(4): 267-273.