基于触发集的水印嵌入数据集

本数据集聚焦深度神经网络模型知识产权保护的关键问题。水印作为保护神经网络知识产权的有效手段日益受到关注。基于触发集的水印方法由于其便捷性日益受到关注，然而，传统的基于触发集的水印方法往往存在虚警率高、隐蔽性不足、影响模型性能的弊端。为驱动神经网络水印技术的研究，项目组构建了基于触发集的水印嵌入数据集，针对不同任务分别设计了相应的水印算法。具体而言，通过构建特定的输入输出对，将基于触发集的水印嵌入神经网络模型中，并训练得到含有水印的模型权重数据。本数据集涵盖了常见的判别模型和生成式模型，具有广泛的适用性。实验评估表明，本数据集所提方法在有效嵌入水印的同时将水印对模型性能的影响将至最低，在多个国际常用数据集上测试平均虚警率仅为5.94%。本数据集的建立，为后续基于触发集的神经网络水印方法研究提供了坚实的基准方法与技术基础。