Model Fingerprinting (Model Parmak İzi)

#ModelGuvenlik #FikrîMülkiyet #ModelHirsizligi #AISecurity

Makine öğrenmesi modellerinin doğal özellikleri veya gizli davranışları aracılığıyla benzersiz kimliğini kanıtlayan ve model hırsızlığına karşı fikri mülkiyet koruması sağlayan güvenlik tekniği.

Model parmak izi (model fingerprinting), eğitilmiş bir makine öğrenmesi modelinin benzersiz kimliğini belirlemek ve doğrulamak için kullanılan güvenlik ve fikri mülkiyet koruma tekniğidir. Tıpkı bir insanın parmak izinin onu diğerlerinden ayırması gibi, model parmak izi de bir modeli onun içsel özellikleri aracılığıyla benzersiz biçimde tanımlar. Model hırsızlığı giderek yaygınlaşan bir sorundur. Saldırganlar, siyah kutu sorgulama teknikleriyle orijinal modeli taklit eden vekil modeller oluşturabilir. Model parmak izi bu soruna karşı pasif bir savunma sunar. Üç temel yaklaşım öne çıkar: İçsel (intrinsik) parmak izi: Modelin ağırlık dağılımları, karar sınırları ve gradyan örüntüleri gibi eğitimden doğal olarak ortaya çıkan özellikler kullanılır. Bu yaklaşım modele herhangi bir müdahale gerektirmez ve mevcut modellere de uygulanabilir. Arka kapı tabanlı parmak izi: Modele eğitim sırasında kasıtlı olarak belirli tetikleyici girdilere özgün tepkiler verecek şekilde özel davranışlar yerleştirilir. Model sahibi bu tetikleyicileri kullanarak, rakiplerin sahip olduğu modelin kendi modelinden türetilip türetilmediğini test eder. Örnek tabanlı parmak izi: Modelin davranışını benzersiz biçimde karakterize eden özel sorgu-yanıt çiftleri oluşturulur. Bu çiftlere verilen tutarlı yanıtlar, modelin orijinal kaynaktan geldiğini kanıtlar. Model parmak izi, model filigranından farklıdır: filigran modelin ağırlıklarına aktif olarak işaret gömer; parmak izi ise mevcut doğal özelliklerden yararlanır. Bu nedenle parmak izi daha az müdahalecidir ve modelin performansını etkileme riski taşımaz. 2025-2026 dönemindeki araştırmalar, ince ayar (fine-tuning), model damıtma (distillation) ve devam eğitimi (continue training) gibi tekniklerin mevcut parmak izlerini etkisiz kılabildiğini göstermektedir. Büyük dil modellerinin türev sürümlerinin yaygınlaştığı ortamda dayanıklı parmak izi yöntemleri kritik bir araştırma önceliği haline gelmiştir.

Model Parmak İzinin Teknik Temelleri

Model parmak izi, makine öğrenmesi güvenliğinin önemli bir alt disiplinini oluşturur. Temel fikir basittir: iki modelin aynı veriden, aynı algoritmayla eğitilmesi halinde bile çok sayıda ölçülebilir özellik bakımından birbirinden ayrışacağı; ancak bir modelin başka bir modelden türetilmesi halinde belirli özelliklerin korunacağıdır. Model sahibi bu özellikleri önceden kayıt altına alarak sonradan bu modelin kopyalandığı iddiasını kanıtlayabilir.

İçsel (İntrinsik) Parmak İzi

İçsel yöntemler, modele herhangi bir müdahale yapmaksızın, eğitim sürecinin doğal olarak bıraktığı izlerden yararlanır. Ağırlık uzayındaki dağılımlar, belirli sınır bölgelerindeki karar davranışları veya LLM'lerde token çıkış olasılıklarının istatistiksel örüntüleri bu tür parmak izleri için kullanılır. 2025'te yayımlanan araştırmalar, devam eğitiminin LLM'lerin içsel parmak izini bozamadığını göstererek bu yaklaşımın dayanıklılığını ortaya koymuştur.

Arka Kapı Tabanlı Parmak İzi

Arka kapı tabanlı yöntemlerde model sahibi, eğitim aşamasında kasıtlı olarak modele gizli bir tetikleyici-yanıt çifti öğretir. Belirli bir görsel desen veya kelime dizisi geldiğinde model tahmin edilebilir bir çıktı üretir; bu çıktı başka herhangi bir girdide görülmez. Sahip bu tetikleyiciyi gizli tutarak rakibin sahip olduğu modeli test eder ve aynı tepkiyi alırsa modelin kopyalandığını kanıtlar. Bu yaklaşım arka kapı saldırılarıyla benzer teknikler kullandığından savunma araştırmacıları tarafından da incelenmektedir.

Model Filigranı ile Karşılaştırma

Model filigranı ve model parmak izi sık sık karıştırılır. Temel fark şudur: Filigran, modelin çıktılarına veya ağırlıklarına aktif olarak gizli işaretler gömer ve bu işlem modelin davranışını değiştirir. Parmak izi ise modelin doğal özelliklerinden yararlanır. Filigran proaktif bir koruma; parmak izi ise reaktif ya da pasif bir doğrulama tekniğidir. İkisi birbirini tamamlayan stratejiler olarak birlikte kullanılabilir.

LLM'lerde Parmak İzi Zorlukları ve 2026 Araştırma Gündemi

Büyük dil modellerinin yaygınlaşmasıyla birlikte model parmak izi yeni zorluklar kazanmıştır. Bir modeli ince ayar yapmak veya bilgi damıtmak, mevcut parmak izlerini silebilmektedir. 2025-2026'da yayımlanan çalışmalar, var olan tekniklerin bu saldırılara karşı yetersiz kaldığını ortaya koymuş; bu durum dayanıklı parmak izi yöntemlerini araştırma gündemine taşımıştır. LLM'ler için NLP tabanlı parmak izi çerçeveleri, örneğin ProFLingo, öne çıkan güncel öneriler arasındadır.