RO-SVD: A Reconfigurable Hardware Copyright Protection Framework for AIGC Applications

要約

生成人工知能 (GenAI) の利用が劇的に増加していることは、人工知能 (AI) によって生成された多次元データを責任を持って管理、使用、配布するための安全で効率的なメカニズムの必要性を浮き彫りにしています。
この論文では、リングオシレーター特異値分解 (RO-SVD) と呼ばれるブロックチェーンベースの著作権追跡フレームワークを提案します。これは、ハードウェア エントロピー ソースから生成された低ランク行列を近似する分解コンピューティングを導入し、AI 生成コンテンツ (AIGC) を確立します。
) デバイスレベルでの著作権追跡メカニズム。
フィールド プログラマブル ゲート アレイ (FPGA) の並列性と再構成可能性を活用することで、当社のフレームワークは既存の AI アクセラレーション デバイス上に簡単に構築でき、AIGC の新たな著作権問題に対する低コストのソリューションを提供できます。
複数の AI 適用 FPGA による包括的な分析とオンボード実験に基づいて、ハードウェアとソフトウェア (HW/SW) の協調設計プロトタイプを開発しました。
AI で生成された画像をケーススタディとして使用することで、当社のフレームワークは有効性を実証し、カスタマイズ性、予測不可能性、効率性、管理性、再構成性を強調しました。
私たちの知る限り、これは、AI によって生成されたコンテンツに特化した著作権トレーサビリティについて議論および実装した最初の実用的なハードウェア研究です。

要約(オリジナル)

The dramatic surge in the utilisation of generative artificial intelligence (GenAI) underscores the need for a secure and efficient mechanism to responsibly manage, use and disseminate multi-dimensional data generated by artificial intelligence (AI). In this paper, we propose a blockchain-based copyright traceability framework called ring oscillator-singular value decomposition (RO-SVD), which introduces decomposition computing to approximate low-rank matrices generated from hardware entropy sources and establishes an AI-generated content (AIGC) copyright traceability mechanism at the device level. By leveraging the parallelism and reconfigurability of field-programmable gate arrays (FPGAs), our framework can be easily constructed on existing AI-accelerated devices and provide a low-cost solution to emerging copyright issues of AIGC. We developed a hardware-software (HW/SW) co-design prototype based on comprehensive analysis and on-board experiments with multiple AI-applicable FPGAs. Using AI-generated images as a case study, our framework demonstrated effectiveness and emphasised customisation, unpredictability, efficiency, management and reconfigurability. To the best of our knowledge, this is the first practical hardware study discussing and implementing copyright traceability specifically for AI-generated content.

arxiv情報

著者 Zhuoheng Ran,Muhammad A. A. Abdelgawad,Zekai Zhang,Ray C. C. Cheung,Hong Yan
発行日 2024-12-02 13:20:23+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.DC パーマリンク