Tag · 4 篇
知识产权保护
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。
通过双阶段权重保护防御未授权模型合并
Defending Unauthorized Model Merging via Dual-Stage Weight Protection
对做模型合并、多任务权重插值（如 task arithmetic、TIES-merging）的视觉研究者，这篇给出了一个可复用的防御视角：通过 L2 正则化重分布层间任务信息并注入结构化扰动错开任务子空间，使合并后的权重落入破坏性干涉区；反过来也可用于诊断自己合并流程对权重几何的敏感性。
CSF：基于组合语义的文生图模型黑盒指纹方法
CSF: Black-box Fingerprinting via Compositional Semantics for Text-to-Image Models
提出一种仅靠查询访问即可对微调文生图模型进行谱系归因的黑盒指纹方法，其组合语义探测思路可迁移到模型溯源、版权保护与微调检测等视觉安全场景。
按需授权：面向视觉语言模型的动态授权与合法性感知知识产权保护
Authorize-on-Demand: Dynamic Authorization with Legality-Aware Intellectual Property Protection for VLMs
为 VLM 部署提供可动态切换的授权域机制与合法性判别分支，视觉研究者可借鉴其双路径推理设计，在保持授权域任务性能的同时检测越界输入，用于模型分发与滥用防护。