OML: A Primitive for Reconciling Open Access with Owner Control in AI Model Distribution
Created by
Haebom
저자
Zerui Cheng, Edoardo Contente, Ben Finch, Oleg Golev, Jonathan Hayase, Andrew Miller, Niusha Moshrefi, Anshul Nasery, Sandeep Nailwal, Sewoong Oh, Himanshu Tyagi, Pramod Viswanath
개요
본 논문은 AI 모델 배포의 새로운 패러다임을 제시합니다. 현재 AI 모델은 폐쇄적이거나 공개적으로 배포되는데, OML(Open-access, Monetizable, and Loyal AI Model Serving)이라는 기술을 통해 모델의 투명성과 로컬 실행을 보장하면서도 수익 창출과 사용 권한 통제를 가능하게 합니다. OML은 모델 추출 저항성 및 권한 위조 방지라는 엄격한 보안 정의를 도입하며, 다양한 구성(난독화 기반, 암호화 솔루션)을 분석합니다. 실용성을 위해 AI 기반 모델 지문 인식과 암호 경제적 메커니즘을 활용하는 OML 1.0을 제시하고, 지속 가능한 AI 생태계 구축에 필요한 기반 기술임을 입증합니다.
시사점, 한계점
•
시사점:
◦
AI 모델 배포의 새로운 접근 방식 제시: 투명성, 로컬 실행, 수익 창출, 사용 권한 통제 간의 균형 달성.
◦
OML이라는 새로운 개념 도입 및 공식화: 모델 보안을 위한 엄격한 정의와 평가 기준 제시.
◦
OML 1.0 구현: AI 기반 모델 지문 인식과 암호 경제적 메커니즘을 활용한 실용적인 솔루션 제시.
◦
지속 가능한 AI 생태계 구축에 기여: AI 모델 배포 및 관리에 대한 새로운 연구 방향 제시.
