Cet article propose Hot-Swap MarkBoard, une méthode de tatouage efficace, pour répondre au risque croissant de propriété intellectuelle (PI) associé au déploiement croissant de l'IA embarquée. Alors que les méthodes de tatouage existantes se concentrent sur l'IAaaS basée sur le cloud et peinent à appliquer des tatouages uniques aux instances de modèles spécifiques à l'utilisateur, Hot-Swap MarkBoard encode efficacement les signatures binaires n bits spécifiques à l'utilisateur en intégrant indépendamment plusieurs tatouages dans des modules d'adaptation multi-branches de bas rang (LoRA). L'échange de branches permet une personnalisation efficace des tatouages sans réentraînement, et un mécanisme d'obscurcissement des paramètres entremêle les pondérations des tatouages avec celles du modèle de base, empêchant leur suppression sans dégrader les performances du modèle. Compatible avec diverses architectures de modèles et tâches d'apprentissage profond, notamment la classification, la génération d'images et de texte, elle prend en charge la vérification en boîte noire. Des expériences approfondies sur trois tâches différentes et six modèles de base différents démontrent qu'elle offre une efficacité et une adaptabilité supérieures aux méthodes existantes, avec une précision de vérification de 100 %.
