[发明专利]机器学习模型的数字水印

说明书

在一个实施方案中，公开了一种方法，该方法包括：由计算设备检测感觉输入；使用机器学习模型识别与该机器学习模型相关联的一个或多个属性，其中该属性根据该模型的训练基于感觉输入来识别；以及将该属性呈现为输出。该识别可至少部分地由与该模型交互的推理引擎来执行。该感觉输入可包括从相机接收的输入图像，并且该模型可根据模型的训练基于该输入图像中的输入对象来识别属性。该模型可包括使用训练数据训练的卷积神经网络，该训练数据将训练感觉输入与属性相关联。该训练感觉输入可包括具有训练对象的训练图像，并且该输入对象可与训练对象归类在相同类别中。

技术领域

本公开整体涉及用于机器学习模型的数字水印。

背景技术

数字水印可以是嵌入在数字数据(诸如音频、视频或图像数据)中的一种标记。水印可用于识别数据版权的所有权。水印可指将标记信息存储在数据中的过程。数字水印可用于验证数据的真实性或完整性或用于显示其所有者的身份。数字水印可能仅在某些条件下可察觉到，例如在使用一些算法之后。一些数字水印可以以易于察觉的方式使其中嵌入该水印的数据失真，而其它数字水印可以以更难察觉的方式使数据失真。传统水印可应用于可见媒体，诸如图像或视频。在数字水印中，数据可以是例如数字音频、图像、视频或文本。

包括神经网络在内的机器学习技术可应用于一些计算机视觉问题。神经网络可用于执行诸如图像分类、对象检测、图像分割等任务。神经网络已被训练成使用大型数据集对图像进行分类，该大型数据集包括具有地面实况标签的数百万个图像。

发明内容

在特定实施方案中，数字水印技术可涉及训练机器学习模型以响应于识别触发输入来执行特定动作。水印技术可以“非显见方式”用于确定模型是否在模型提供方的许可下使用。该模型可被训练以响应于触发输入而产生关于其来源(例如，其版本和许可证)的信息。可以在系统中检测来源信息，以证明该系统使用了模型的未授权副本。由已在未经授权系统中被复制并使用的模型产生的来源信息与未经授权的系统不匹配。例如，在显示模型提供方徽标的图像时，由供应商A提供的、使用授权给供应商B的模型的智能门摄像头可能输出供应商B的名称。由于机器学习模型很难逆向设计或修改，因此该技术防止通过篡改模型而被规避。数字水印技术也可以“显见的”方式用于使模型响应于诸如条形码等输入来执行动作，诸如激活或停用特定模型特征。

上文所公开的实施方案仅为示例，并且本公开的范围不限于这些实施方案。特定实施方案可包括上文所公开的实施方案的部件、元件、特征、功能、操作或步骤的全部、部分或不包括它们中的任一者。根据本发明的实施方案具体地公开于涉及方法、存储介质、系统和计算机程序产品的所附权利要求中，其中一个权利要求类别(例如，方法)中提及的任何特征也可在另一个权利要求类别(例如，系统)中提出。前面所附权利要求中的从属关系或引用关系仅出于形式原因而选择。然而，由有意引用任何先前权利要求(尤其是多个从属关系)而产生的任何主题也可被要求保护，使得权利要求及其特征的任何组合均被公开并且可被要求保护，而与所附权利要求中所选择的从属关系无关。可受权利要求书保护的主题不仅包括所附权利要求书中所述的特征的组合，而且还包括权利要求中特征的任何其他组合，其中权利要求书中提及的每个特征可与权利要求书中的任何其他特征或其他特征的组合相结合。此外，本文所述或所描绘的实施方案和特征中的任一者均可在单独的权利要求中被要求保护并且/或者与本文所述或所描绘的任何实施方案或特征或与所附权利要求书的任何特征以任何组合形式被要求保护。

条款1.一种方法，包括：由计算设备检测感觉输入；由所述计算设备使用机器学习模型识别与所述机器学习模型相关联的一个或多个属性，其中所述属性根据所述模型的训练基于所述感觉输入来识别；以及由所述计算设备将所述属性呈现为输出。

条款2.根据条款1所述的方法，其中所述识别至少部分地由与所述机器学习模型交互的推理引擎来执行。

条款3.根据条款1或2中的一项所述的方法，其中所述感觉输入包括从相机接收的输入图像，并且所述机器学习模型根据所述模型的训练基于所述输入图像中的输入对象来识别所述属性。