Stage: Tatouage numérique des réseaux neuronaux profonds F/H

SAP a vu le jour en 1972, sur l'initiative d'une équipe de cinq collaborateurs désireux de créer quelque chose de nouveau. Ensemble, ils ont révolutionné le secteur des logiciels d'entreprise et réinventé les méthodes de gestion. Aujourd'hui, SAP se positionne en leader sur le marché des logiciels d'entreprise, mais nous restons fidèles à nos racines. C'est pourquoi nous concevons des solutions qui nourrissent l'innovation, favorisent l'égalité et multiplient les opportunités pour nos employés et nos clients, au-delà des frontières et des cultures.

SAP apprécie l'esprit d'entreprise, encourageant la créativité et établant des relations durables avec nos employés. Notre personnel réfléchit la diversité et l'intégration: nous sommes conscients qu'il s'agit d'une richesse source de compétitivité à long terme et d'opportunités pour tous. Nous pensons qu'ensemble, nous pouvons transformer les secteurs d'activité, faire croître l'économie, faire évoluer les sociétés et préserver l'environnement, car seules les meilleures entreprises sont à même d'améliorer la société et le quotidien des individus.

OBJECTIFS

Avec les récents développements des technologies de l’information, plusieurs entreprises ont adopté des méthodes d’apprentissage automatique pour transformer leur tâches manuelles en services automatisés pour augmenter la qualité de service pour leur client (Ge, Zhiqiang et. al) : Bien que cette transformation apporte de nouvelles opportunités, elle impose d’évoluer dans un monde en constante évolution. Afin de rentabiliser ces opportunités, ces entreprises ont besoin d’être bien positionnées sur le marché, ce qui demande une grande quantité de ressources pour entraîner un modèle d’apprentissage profond telles que de l’argent, du temps, de l’expertise, etc…Ainsi, puisque la propriété intellectuelle de ces modèles en production devient essentielle pour ces entreprises, leur protection devient un problème lorsqu’ils sont déployés sur des plateformes publiques accessibles à tous (Zhang, Jialong et al.). Le tatouage numérique représente un des candidates les plus sérieux pour résoudre ce problème. Similaire au tatouage numérique pour les images, des informations spécifiques et cachées sont insérées dans ces modèles d’apprentissage profond, et les propriétaires de ces modèles peuvent facilement vérifier si ce modèle leur appartient en exécutant des requêtes d’inférence.

Le but de ce stage est de développer une plateforme pour partager des modèles d’apprentissage profond (pour de la prédiction en production ou pour un but de recherche), tout en implémentant des techniques de tatouage numérique afin de préserver la propriété intellectuelle de ces modèles. Le processus de tatouage numérique doit être compatible pour tout type de modèles / sources de données et doit être complètement transparent pour l’utilisateur de la plateforme.

Ge, Zhiqiang and Song, Zhihuan and Ding, Steven X and Huang, Biao (2017), Data mining and analytics in the process industry: The role of machine learning.

Zhang, Jialong and Gu, Zhongshu and Jang, Jiyong and Wu, Hui and Stoecklin, Marc Ph. and Huang, Heqing and Molloy, Ian (ASIACCS 18’), Protecting Intellectual Property of Deep Neural Networks with Watermarking