arXiv · AI· Biprarshi Biswas, Arya Anshuman Ojha, Yubaraj Das, Devansh Khosla, Kamran Rais, Saankhya Samanta, Subhamoy Maitra, Pantelimon Stanica·· 1 天前AI 评分33
结合密码分析与蒸馏的神经网络参数提取方法
Extraction meets Distillation - cryptanalytic techniques to recover parameters from a Deep Neural Network
AI 导读
研究结合密码分析权重方向提取与标签预测学习，用于重建全连接神经网络。 实验在最大合成架构上，Leaky ReLU 在最深隐藏层恢复 51–57 个神经元，而 ReLU 恢复 0 个；在两个 CIFAR-10 目标上，重建模型一致性达 56.40% 与 58.29%，并在三项功能指标上超过蒸馏基线。 该工作区分了精确行恢复与梯度掩码的保证，并指出预测一致性不能直接识别网络参数。
来源：arXiv · AI · arxiv.org