每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

OML：在 AI 模型分发中协调开放访问与所有者控制的原语

Created by
  • Haebom

作者

Zerui Cheng、Edoardo Contente、Ben Finch、Oleg Golev、Jonathan Hayase、Andrew Miller、Niusha Moshrefi、Anshul Nasery、Sandeep Nailwal、Sewoong Oh、Himanshu Tyagi、Pramod Viswanath

大纲

本文提出了一种新的人工智能模型分发范式。目前，人工智能模型要么是封闭的，要么是公开的。一种名为“开放访问、可货币化且忠诚的人工智能模型服务”（OML）的技术，在确保模型透明性和本地执行的同时，实现了货币化和访问控制。OML引入了严格的安全定义，包括模型提取防护和权限篡改防护，并分析了各种配置方案（基于混淆和加密的解决方案）。为了实用化，我们提出了OML 1.0，它利用基于人工智能的模型指纹识别和加密经济机制，并证明它是构建可持续人工智能生态系统所必需的一项基础技术。

Takeaways, Limitations

•
Takeaways：
◦
人工智能模型部署的新方法：平衡透明度、本地执行、货币化和访问控制。
◦
引入并形式化一个称为 OML 的新概念：为模型安全提供严格的定义和评估标准。
◦
实施 OML 1.0：利用基于 AI 的模型指纹和加密经济机制的实用解决方案。
◦
为构建可持续的人工智能生态系统做出贡献：为人工智能模型部署和管理提出新的研究方向。
•
Limitations：
◦
需要进一步评估OML 1.0的性能和安全强度。
◦
各种 OML 配置方法还需要进一步研究。
◦
缺乏OML技术实际部署和应用的具体案例。
◦
考虑OML技术的长期维护和更新。
👍
Made with Slashpage