情報処理学会 第86回全国大会 会期:2024年3月15日~17日

7S-06
LoRAによって追加学習された拡散モデルに対するメンバーシップ推論
○池内健心,毛 家豊,郁  青(東大),入江 豪(東理大),相澤清晴(東大)
近年,拡散モデルによって高品質で多様な画像の生成が可能になり,さらにモデルを追加学習することで,望んだ画風を再現できるようになった.このように生成の柔軟性が高まる一方,著作物がモデルの学習に無断で使用されてしまい,著作物の画風が第三者の手で不当に再現されるという問題が浮上している.この問題に対し,あるデータがモデルの学習に使用されたか否かを推論する,メンバーシップ推論と呼ばれる手法を適用することで,著作物の保護に貢献できると考えられる.そこで本研究では,LoRAと呼ばれる手法で追加学習された拡散モデルに対して,ノイズの傾向に注目したメンバーシップ推論を実行し,結果の分析を行った.