Digital Watermarking for Machine Learning Model
Techniques, Protocols and Applications
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 171.19
-
71 001 Ft (67 620 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 14 200 Ft off)
- Kedvezményes ár 56 801 Ft (54 096 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
71 001 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 2023
- Kiadó Springer Nature Singapore
- Megjelenés dátuma 2023. május 30.
- Kötetek száma 1 pieces, Book
- ISBN 9789811975530
- Kötéstípus Keménykötés
- Terjedelem225 oldal
- Méret 235x155 mm
- Súly 535 g
- Nyelv angol
- Illusztrációk XVI, 225 p. 1 illus. Illustrations, black & white 458
Kategóriák
Hosszú leírás:
Machine learning (ML) models, especially large pretrained deep learning (DL) models, are of high economic value and must be properly protected with regard to intellectual property rights (IPR). Model watermarking methods are proposed to embed watermarks into the target model, so that, in the event it is stolen, the model’s owner can extract the pre-defined watermarks to assert ownership. Model watermarking methods adopt frequently used techniques like backdoor training, multi-task learning, decision boundary analysis etc. to generate secret conditions that constitute model watermarks or fingerprints only known to model owners. These methods have little or no effect on model performance, which makes them applicable to a wide variety of contexts. In terms of robustness, embedded watermarks must be robustly detectable against varying adversarial attacks that attempt to remove the watermarks. The efficacy of model watermarking methods is showcased in diverse applications including image classification, image generation, image captions, natural language processing and reinforcement learning.
This book covers the motivations, fundamentals, techniques and protocols for protecting ML models using watermarking. Furthermore, it showcases cutting-edge work in e.g. model watermarking, signature and passport embedding and their use cases in distributed federated learning settings.
Több
Tartalomjegyzék:
Part I. Preliminary.- Chapter 1. Introduction.- Chapter 2. Ownership Verification Protocols for Deep Neural Network Watermarks.- Part II Techniques.- Chapter 3. ModelWatermarking for Image Recovery DNNs.- Chapter 4. The Robust and Harmless ModelWatermarking.- Chapter 5. Protecting Intellectual Property of Machine Learning Models via Fingerprinting the Classification Boundary.- Chapter 6. Protecting Image Processing Networks via Model Water.- Chapter 7. Watermarks for Deep Reinforcement Learning.- Chapter 8. Ownership Protection for Image Captioning Models.- Chapter 9.Protecting Recurrent Neural Network by Embedding Key.- Part III Applications.- Chapter 10. FedIPR: Ownership Verification for Federated Deep Neural Network Models.- Chapter 11. Model Auditing For Data Intellectual Property
Több
Making Sense of the ECG: A Hands-on Guide, Third Edition
10 027 Ft
9 025 Ft
