사전학습된 체크포인트 형태로 배포·재사용되는 스파이킹 신경망(SNN)의 워터마크가 대부분 출력단에서만 검증돼, 출력 헤드를 교체하면 원본 네트워크 대부분을 유지하면서도 검증 증거를 제거할 수 있다는 문제를 다룬 연구다. 연구진은 체크포인트 재사용 환경에 맞춘 워터마크 'MeMark'를 제안했는데, 워터마크를 출력 헤드가 아니라 선택된 LIF(Leaky Integrate-and-Fire) 뉴런의 내부 막전위 상태에 다중 비트 식별자로 심는 방식이다. 비밀 입력이 선택된 뉴런을 특정 발화 임계값 방향으로 유도하고, 같은 임계값으로 비밀 비트를 복원해 학습된 디코더가 필요 없다. 2억 1540만 파라미터 규모의 SpikeGPT 체크포인트에서 20개의 독립적인 64비트 키가 모두 검증 규칙(51/64)을 통과했고, 3만 개의 무작위 키는 모두 통과하지 못했다. 20개 정품 키는 파인튜닝, 90% 가지치기, int8 양자화, 출력 헤드 교체 후에도 임계값 이상을 유지해 강건성을 입증했다.

• •출력 헤드가 아닌 LIF 뉴런의 내부 막전위 상태에 워터마크를 삽입하는 MeMark 제안
• •비밀 입력으로 뉴런 발화 임계값을 유도해 학습된 디코더 없이 비밀 비트 복원
• •2.15억 파라미터 SpikeGPT서 20개 정품 64비트 키 모두 검증 통과, 무작위 키 3만개는 모두 실패
• •파인튜닝·90% 가지치기·int8 양자화·출력헤드 교체 후에도 정품 키 검증 유지
• •허위 소유권 주장, 키 인지·비인지 제거, 부분 키 노출, 롤백, 학생 모델 추출 공격까지 검증