该论文提出了一种针对脉冲神经网络（SNN）的主动版权保护框架SpikeTimer。SNN在低功耗计算和事件驱动数据处理方面具有优势，但现有版权保护方法主要针对传统深度神经网络（DNN），难以直接迁移至SNN，因其具有复杂的时序编码和脉冲驱动计算特性。SpikeTimer利用时序后门学习机制，将神经形态数据划分为指定的时间片，仅在授权时间片内嵌入授权令牌。这种时间分割特性天然支持多用户授权机制，并能适应任意形态的令牌嵌入。SpikeTimer的核心创新在于建立时间依赖的授权机制，通过令牌的时间有效性保护SNN版权。具体地，当输入数据包含正确的令牌且位于正确的时间片时，模型正常响应；否则产生错误输出。实验表明，SpikeTimer在未授权数据上准确率约为10%，而授权数据准确率仅下降约1.5%。此外，该框架对模型微调和剪枝攻击具有鲁棒性。