학습된 신경망을 보호하기 위한 이중 잠금 기법이 제시됐다. 이 방법은 키 기반 인덱스 순열과 PIN 기반 희소 QIM 워터마킹을 결합해, 올바른 키 없이는 모델 구조는 그대로 두되 내부 표현을 교란시켜 성능을 무력화한다. MNIST, CIFAR-10/100, ImageNet-1K와 완전연결망·ResNet·트랜스포머 등에서 실험한 결과 잠금 시 정확도가 10% 미만, CNN의 경우 0.5% 미만으로 떨어졌으며 올바른 키를 적용하면 성능이 완전히 복원됐다. 워터마크는 측정 가능한 정확도 저하 없이 블라인드 검증으로 소유권을 확인할 수 있었고, 임베딩 분포 분석은 학습이 덜 되었거나 설계가 최적이 아닌 모델을 식별하는 데도 쓰일 가능성을 보였다.

• •키 기반 인덱스 순열과 PIN 기반 QIM 워터마킹을 결합한 이중 잠금 방식
• •정상 키 없이는 정확도가 10% 미만, CNN은 0.5% 미만으로 붕괴, 올바른 키로 완전 복원
• •워터마크는 정확도 저하 없이 블라인드 소유권 검증 가능
• •임베딩 분포로 undertrained·설계 취약 모델까지 진단 가능성 확인