Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Gradient-Based Model Fingerprinting for LLM Similarity Detection and Family Classification

Created by
  • Haebom

저자

Zehao Wu, Yanjie Zhao, Haoyu Wang

개요

본 논문은 대규모 언어 모델(LLM)의 무단 파생 모델 생성 문제를 해결하기 위해, 경사 기반 지문 프레임워크인 TensorGuard를 제시한다. TensorGuard는 훈련 데이터, 워터마크 또는 특정 모델 형식에 의존하지 않고, 랜덤 입력 섭동에 대한 경사 응답을 분석하여 모델 고유의 행동적 서명을 추출한다. safetensors 형식을 지원하며, 경사 특징의 통계적 분석을 통해 고차원 지문을 생성하여 모델 간 유사성 평가 및 계보 분류를 가능하게 한다. 58개의 모델(8개 기본 모델과 50개 파생 모델)을 대상으로 한 실험 결과, 94%의 분류 정확도를 달성했다.

시사점, 한계점

시사점:
LLM의 무단 파생 및 재배포 문제 해결에 대한 새로운 접근 방식 제시
훈련 데이터나 워터마크에 의존하지 않는 모델 지문 생성 및 비교 방법 제시
오픈소스 모델의 저작권 보호 및 라이선스 준수 확인에 기여
다양한 LLM 계보의 체계적인 분류 가능
한계점:
제시된 실험 데이터셋의 규모 및 다양성에 대한 추가적인 검증 필요
실제 적용 시 발생할 수 있는 성능 저하 또는 오류에 대한 추가 연구 필요
새로운 모델 구조나 훈련 방법에 대한 적응성에 대한 추가 연구 필요
TensorGuard의 계산 비용 및 효율성에 대한 자세한 분석 필요
👍