הגנת זכויות היוצרים במודלים של למידה עמוקה היא נושא מורכב, שעדיין נמצא בהתהוות.
המודלים עצמם (ארכיטקטורות רשתות נוירוניות, אלגוריתמים וכו') מוגנים על ידי זכויות יוצרים של החברות שפיתחו אותם, כמו Google, OpenAI וכד'. הם בדרך כלל אינם פתוחים לשימוש חופשי. האימון (Training) של המודלים על מאגרי נתונים גדולים יוצר מודל ייחודי עם משקלים ייחודיים. לכן נהוג לראות במודלים מאומנים יצירה חדשה שמוגנת בזכויות יוצרים. עם זאת, קיימות מחלוקות משפטיות לגבי היקף ההגנה, מאחר שהאימון מתבצע באופן אוטומטי על ידי אלגוריתם.
נתוני האימון עצמם מוגנים על ידי זכויות יוצרים או רישיונות שונים. השימוש בהם ללא רשות עלול להפר זכויות. הפלט שמייצר המודל המאומן אינו מוגן בהכרח על ידי זכות יוצרים, אלא אם כן הוא יצירתי וייחודי באופן שעולה לכדי יצירה מקורית.
קיימות גישות שונות באשר למידת ההגנה שצריכה לחול על מודלים של למידה עמוקה, בשל השאלה הפילוסופית האם הם יכולים להיחשב ל"יצירתיים", נראה שעדיין נדרש דיון ציבורי והתפתחות משפטית כדי לעצב את האיזון הראוי בנושא.
קיימות מספר דרכים להגן על מודלים של למידה עמוקה מפני גניבה או שימוש לא מורשה:
הצפנה – ניתן להצפין את המשקלים של המודל ולאפשר גישה אליהם רק עם מפתח פענוח. כך מונעים מאחרים להשתמש במודל ללא רשות.
- מימוש ענן – פריסת המודל כשירות מבוסס ענן, כך שהמשתמשים יכולים לקבל תוצאות אבל לא לגשת למודל עצמו.
- סימון מים דיגיטלי – הטמעת סימנים ייחודיים במודל שמאפשרים לזהות שימוש לא מורשה.
- הגבלת גישה – מתן גישה למודל רק למשתמשים מורשים, למשל באמצעות אימות זהות.
- מעקב אחר שימוש – ניטור ובקרה על השימוש במודל כדי לזהות שימוש חריג.
- הסכמי סודיות – הסדרים חוזיים האוסרים שימוש לרעה במודלים שסופקו ללקוחות.
- רישוי ותמלוגים – דרישה לרכישת רישיון או תשלום עבור השימוש במודלים.
- אכיפה משפטית – תביעה בגין הפרת זכויות יוצרים או גניבה של סוד מסחרי.
באשר לזיהוי גניבות, הדרכים מוגבלות יותר. מאמר זה סוקר את DeepJudge, טכניקה חדשה לזיהוי הפרה של זכויות יוצרים על מודלים של למידה עמוקה; ומשווה לטכניקות הקיימות של "סימן-מים" ו-"טביעת-אצבע".
