Watermarking tramite avvelenamento del dataset per l'apprendimento contrastivo

Uno studio recente pubblicato su arXiv (2605.01834) esamina approfonditamente gli attacchi backdoor tramite avvelenamento dei dati nell'apprendimento contrastivo (CL), scoprendo diverse carenze tra cui inadeguata adattabilità ai dataset, bassa efficacia, portabilità limitata e assunzioni che richiedono conoscenza dei compiti downstream. I ricercatori utilizzano la divergenza statistica dei campioni trigger dai campioni puliti come watermark per proteggere la proprietà intellettuale del dataset, aumentando i tassi di successo attraverso la verifica statistica tramite una metrica di densità unificata. Introducono un approccio di watermarking multilivello che si adatta alle rappresentazioni a livello di feature.