arXiv cs.LG· Biprarshi Biswas, Arya Anshuman Ojha, Yubaraj Das, Devansh Khosla, Kamran Rais, Saankhya Samanta, Subhamoy Maitra, Pantelimon Stanica·· 6 天前AI 评分34
模型抽取结合知识蒸馏：从深度神经网络中恢复参数的密码分析技术
Extraction meets Distillation - cryptanalytic techniques to recover parameters from a Deep Neural Network
AI 导读
该研究将密码学权重方向抽取与基于预测标签的学习相结合，提出全连接深度神经网络的参数重构方案。在最大合成架构的最深隐藏层中，Leaky ReLU 恢复了 51-57 个神经元（ReLU 为 0 个），较小架构的预测一致性达 0.9890 至 0.9992。在两个 CIFAR-10 目标上，重构模型实现 56.40% 和 58.29% 的一致性，并在三项功能指标上超越蒸馏基线。
来源：arXiv cs.LG · arxiv.org