Cet article identifie les vulnérabilités des techniques d'empreintes digitales de modèles visant à protéger les droits de propriété intellectuelle des modèles open source et propose une nouvelle approche pour y remédier. Nous démontrons que les techniques d'empreintes digitales existantes, en raison de leur méthode de comparaison non ciblée, sont vulnérables aux attaques par fausses déclarations, où les attaquants prétendent qu'un modèle est le leur. Par conséquent, nous proposons FIT-Print, un paradigme d'empreintes digitales ciblées, et développons deux techniques d'empreintes digitales de modèles en boîte noire, FIT-ModelDiff et FIT-LIME, qui exploitent la distance entre les sorties du modèle et l'importance des caractéristiques d'échantillons spécifiques. Les résultats expérimentaux démontrent que la méthode proposée est plus robuste et plus efficace contre les attaques par fausses déclarations que les méthodes existantes.
