高保真模型提取中超越缓慢标志
📝
内容提要
该研究评估了对于在标准基准上训练的模型使用 Carlini 等人 [1] 进一步加强的参数提取方法的可行性,引入了统一的代码库并发现计算工具可以显著影响性能;通过识别更容易和更难提取的神经元,开发了进一步的优化方案,将提取权重值的效率提高了 14.8 倍;改进后,在只有 98 分钟的时间内,成功地提取了一个在 MNIST 数据集上训练的具有 16,721 个参数和 2...
➡️