诸如社交媒体公司之类的大型组织不断发布数据，例如用户图像。同时，这些组织利用其庞大的已发布数据集来训练专有模型，从而使其在竞争者中脱颖而出。当组织希望阻止竞争对手使用自己的数据来复制其专有模型的性能时，这两种行为可能会发生冲突。我们通过开发一种数据中毒方法来解决此问题，该方法可以对公开发布的数据进行最小程度的修改，以防止其他人对其进行训练。而且，我们的方法可以以在线方式使用，以便公司在发布数据时可以实时保护其数据。我们证明了我们的方法在ImageNet分类和面部识别方面的成功。



"点击查看英文标题和摘要"