基于特征偏移水印的数据所有权保护方法及系统技术方案

本发明专利技术公开了一种基于特征偏移水印的数据所有权保护方法及系统，方法包括：步骤1，得到水印样本：步骤11，对原始样本添加随机扰动得到扰动样本x′；步骤12，求得辅助变量e的表达式：步骤13，构造无约束的单目标优化问题；步骤14，采用梯度下降法对e进行迭代更新，得到最优的e；步骤2，取证流程：步骤21，随机抽取样本构成样本对检测集；步骤22，使用样本对检测集查询嫌疑模型，得到相应的预测结果；步骤23，根据下式计算得到抽样集合对应的分散度指标向量；步骤24，计算检验统计量T；步骤25，设定两个假设进行假设检验；步骤26，根据计算出的T值和自由度计算p值。本发明专利技术不仅能够有效追踪数据使用情况，还能在不知道模型具体训练细节的情况下进行验证，为数据所有权提供了一种新的保护机制，相比其他方法具有较高的灵敏性和隐蔽性。

【技术实现步骤摘要】

本专利技术属于人工智能与数据安全领域，具体涉及一种基于特征偏移水印的数据所有权保护方法及系统。

技术介绍

1、在数据驱动的时代，数据保护不仅是维护数据所有权和隐私的必要措施，也是确保数据和深度学习模型能够安全、合理地应用的关键。深度学习已在语音识别、自动驾驶、自然语言处理和医疗图像分析等领域取得突破，其成功依赖于大规模的高质量数据。数据的质量和数量直接影响了深度学习模型的性能。高质量的、标注准确的、多样化的数据集可以显著提高模型的准确性和泛化能力。明确的数据所有权验证机制支持以技术和法律的方式来保护数据持有者的贡献，从而鼓励数据的流通和利用，推动深度学习技术探索新算法、优化模型架构，以及在多样化的场景中开发和应用。

2、挑战1：数据保护技术在标识所有权的同时，不应该影响受保护数据的质量，以及威胁模型的完整性(比如，使得模型的输出出错)。目前的方法为了在模型的输出空间中区分出带有水印的受保护样本，会设计让水印样本被有意地预测出错，有的需要进一步控制水印样本在训练阶段就被错误标注。这样的错误预测和错误标注破坏了水印数据应有的训练价值。而且错误预测的本文档来自技高网...

【技术保护点】

1.一种基于特征偏移水印的数据所有权保护方法，其特征在于，具体包括如下步骤：

2.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤23中：

3.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤14中，优化器的学习率为0.01，迭代次数1000次。

4.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤24中，τ取0.3。

5.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤26中，α取0.05。

6.一种基于特征偏移水印的数据所有权保护...

【技术特征摘要】

1.一种基于特征偏移水印的数据所有权保护方法，其特征在于，具体包括如下步骤：

2.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤23中：

3.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤14中，优化器的学习率为0.01，迭代次数1000次。

4.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤24中，τ取0.3。

5.如权利要求1所述的基于特征偏移水印的数据所有权保护方法，其特征在于，步骤26中，α取0.05。

6.一...

【专利技术属性】
技术研发人员：尹小燕，龚志敏，林瑶，薛文慧，王成方，侯爱琴，陈晓江，房鼎益，
申请(专利权)人：西北大学，
类型：发明
国别省市：