深層学習モデルの二次利用のための電子透かし技術

点击翻译按钮获取中文摘要

深層学習の広範な利用を促進するための基盤となる研究を実施した。学習済みモデルを再利用する際に、正規の手続きを踏んで再利用することを可能とするような学習モデルの流通が想定される。その際に必要となるのが、学習モデルの著作権者を管理できる仕組みであり、それは派生モデルの世代をさかのぼって著作権者情報を保持できることが望まれる。2022年度では、white-boxとblack-boxの両方のセッティングにおいて、それぞれ世代管理の実現性を吟味するために、各世代で埋め込んだ電子透かし間の干渉を検証した。white-boxセッティングについては、基本的なCNNモデルに対して世代ごとに利用するパラメータ空間(ニューラルネットワーク内の重み係数群)を分割して埋め込みを行った。親世代の透かしはスクラッチからCifar-10タスクと共に学習し、子世代の透かしはファインチューニングによってMNISTタスクと共に学習させた。このように異なるタスクで異なる透かしを埋め込んだ結果、最終的なモデルにおいて親世代・子世代の両方の透かしが検出でき、世代管理への適用は有望であることが示された。black-boxセッティングについては、WRNモデルを用いて画像の分類タスクを行いつつ、特定の鍵画像を入力した際にその出力ラベルからロゴ画像を表現できる方式を用いた。親世代にはImageNetの1000クラス分類の学習データに鍵画像1とロゴ1を加えて学習し、子世代にはそれをファインチューニングしてMNISTの学習データに別種類の鍵画像2とロゴ2に少量の親世代の鍵画像を加えて学習させた。その結果、子世代のモデルから、親世代・子世代それぞれの鍵画像を用いてロゴ1・ロゴ2ともに出力できることを確認した。これらに関して、2023年2月に開催された情報処理学会オーディオビジュアル複合情報処理(AVM)研究会において発表した。