脉冲神经网络更难被窃取：模型窃取攻击的基准研究
英文标题：Spiking Neural Networks Are Harder to Steal: A Benchmark Study of Model Stealing Attacks
本研究探讨了部署在查询接口背后的机器学习模型所面临的模型窃取攻击（MSA）风险，攻击者往往能利用预测接口输出训练替代模型来重建目标。基准评估结果表明，脉冲神经网络（SNN）展现出比传统网络更强的防窃取韧性。该研究为保护商业模型资产与 API 安全提供了新的防御视角，对关注知识产权保护的 AI 开发者和安全团队具有重要参考价值。
打开原文相关 1.6 · 机会 0
2.0 KB
640 B
612 B
380 B
24.2 KB
34.7 KB
中文
arXiv:2610.36298v1（公告类型：new）
摘要
部署在查询接口背后的机器学习模型所暴露的往往不仅是其预测结果，攻击者还可以利用这些预测输出来重建模型本身。模型窃取攻击（Model Stealing Attacks, MSA）正是利用了这一暴露面，通过训练替代模型来实现对目标模型的窃取。
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×