Defesa matemática contra roubo de modelos por destilação chega a classificadores com custo de acurácia zero
O ADS-C adapta a técnica de antidistillation sampling, originalmente criada para LLMs, para proteger classificadores proprietários contra roubo via destilação de conhecimento, perturbando a distribuição de probabilidades servida sem alterar nenhuma predição top-1 do modelo original. Um atacante que treina um substituto a partir das saídas protegidas perde entre 17 e 30 pontos percentuais de acurácia, sem que o defensor sofra perda mensurável.
Fonte ↗