决策边界分析

IrisFP：兼具更强唯一性与鲁棒性的基于对抗样本的模型指纹方法

IrisFP: Adversarial-Example-based Model Fingerprinting with Enhanced Uniqueness and Robustness

对做视觉模型部署与版权保护的人，这篇提供了利用多决策边界交点构造对抗样本指纹的思路：把指纹放在多个决策边界的交汇处而非单一边界深处，可在不深入目标类内部的前提下扩大预测间隔，从而同时提升鲁棒性与唯一性；其基于统计可分性度量的指纹筛选与阈值分配也可直接迁移到视觉模型的归属验证流程。