该论文聚焦于训练数据集的版权保护问题。现有防御机制主要针对单个数据点的追踪，但忽略了数据集再生（dataset regeneration）的威胁，即攻击者可能通过对原始数据集进行变换或部分采样来生成新的数据集，从而规避授权。作者通过测量公开肿瘤数据集，发现确实存在大规模的局部数据集复制现象，这可能导致许可证违规。为了检测未知的对抗性再生，作者提出关键洞察：任何保持模型效用的再生操作都不可避免地会在多个特征尺度上保留可测量的信号。他们将数据集特征分为样本级、集合级和分布级，并设计了四种相似度指标来准确识别再生。基于这些指标，他们开发了DIPBox——据称是首个通过多尺度相似性测试来追踪再生嫌疑数据集的测试框架，该框架支持从有限信息到完全信息的多种防御者访问设置。此外，论文提供了学习理论分析，证明多尺度指标的合理性，并形式化了效用与散度之间的固有权衡，暗示规避再生存在根本局限。在16个视觉和文本基础数据集、320个再生数据集和590个派生模型上的广泛实验表明，DIPBox优于先前方案，并在三种自适应攻击下表征了其鲁棒性和局限性。