GNN指纹验证方案

版权验证可靠

通过空间结构推理扰动捕获指纹的稳定协调模式，在模型修改和窃取攻击下仍能可靠验证GNN模型的版权。

Jia, Ju · Renjie, Li · Wu, Cong · Ma, Siqi · 王丽娜 · Robert H., Deng

IEEE Transactions on Dependable and Secure Computing 2025

技术优势

能应对窃取攻击

通过捕获指纹的稳定协调模式，即使在模型修改操作和其他模型窃取攻击下，也能保持指纹的质量和鲁棒性。

挑战性数据也有效

在各种具有挑战性的图结构数据集上有效验证了GNN模型的知识产权。

指纹细微不易察觉

方案是细微且交互式的，不会影响模型的正常功能。

应用场景

• 模型版权保护：为已部署的GNN模型提供可验证的版权指纹，防止未经授权的复制和滥用。
• 图神经网络：直接嵌入GNN模型，利用图结构特性进行指纹植入和验证。
• 人工智能安全：增强模型的知识产权安全，抵御模型窃取和修改攻击。