Keskeiset käsitteet
Deep learning models can be protected from unauthorized usage through the innovative MAsk Pruning (MAP) framework, which minimizes performance degradation on unauthorized data while maintaining source domain performance.
Tiivistelmä
深層学習モデルの知的財産を保護するために、新しいMAsk Pruning(MAP)フレームワークが提案されました。このフレームワークは、不正なデータの使用に対して性能低下を最小限に抑えつつ、ソースドメインのパフォーマンスを維持します。MAPは、ソース利用可能シナリオで効果的であり、SF-MAPとDF-MAPも提供されています。これらの手法は、様々なバックボーンで一貫した結果を示し、知的財産保護における重要性を強調しています。
Tilastot
NTL [49]ではSource Dropが平均1.0%であり、ST-Dが0.013です。
CUTI [50]ではSource Dropが平均0.3%であり、ST-Dが0.004です。
SA-MAPではSource Dropが平均-0.3%であり、ST-Dが-0.004です。
Lainaukset
"Extensive experiments indicate that MAP yields new state-of-the-art performance."
"To achieve this, we propose a novel MAsk Pruning (MAP) framework."
"Moreover, we introduce a new metric aimed at achieving a better balance between source and target performance degradation."