模型浮水印移除
運行與監控
風險描述
攻擊者識別並移除模型中的浮水印或指紋機制，使竊取行為無法被追蹤。常見手法包括微調覆蓋浮水印、模型剪枝去除水印神經元、或透過知識蒸餾建立無水印的複製品。目前的模型浮水印技術在魯棒性上仍面臨挑戰，部分方案可被簡單的微調即移除。
框架對照
iso 23894R2
mitre atlasAML.T0000
tw principle問責
tw risk type技術設計缺陷（Technical Design Flaw）
控制措施
- 多層浮水印策略
- 外部驗證機制
處理步驟
- 採用多層浮水印（參數級 + 輸出級 + 行為級）增加移除難度
- 使用不依賴浮水印的外部驗證機制（如模型行為指紋庫）
- 在授權合約中加入禁止浮水印移除的法律條款
- 定期掃描公開模型庫偵測可能的竊取複製品