Newest papers

On the Vulnerabilities and Data-Free Removal of Watermarks in Batch Normalization Layers

Elena Rodríguez-Lois, Fernando Pérez‐González · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28076 · cited by 0 works (OpenAlex) · open-access PDF

Arabic

وقد أصبحت طبقات النمو السكاني (BN) خيارًا مشتركًا لتدمير علامات النمو البيضاء في التعلم المشترك (FL) ، مما يوفر ميكانيكا بسيطة وفعالة لتقييم ملكية النمو والتعرف على المشاركين. ومع ذلك، فإن الأعمال السابقة تركزت على الضعف ضد تعديلات النمو السكاني العام، مما يترتب عليه تأثير الأمان في هذا التصميم على نطاق واسع. في هذه المقالة، ونحن نحدد الضعف الأساسي لخطة النمو السكاني المنبثقة من BN وتشجيع هجمات بدون البيانات العملية التي تستخدمها. أظهرت النتائج التجريبية على دورات النمو السكاني المنبثقة من FL أن الهجمات المقترحة تنزلق باستمرار على علامات

Machine translation (Meta M2M100); the English original follows.

Abstract

Batch Normalization (BN) layers have become a common choice for embedding white-box watermarks in Federated Learning (FL), providing a simple and effective mechanism for model ownership verification and participant identification. However, previous works have focused on robustness against generic model modifications, leaving the security implications of this design largely unexplored. In this paper, we identify fundamental vulnerabilities of BN-based watermarking schemes and propose a practical data-free attack that exploits them. Experimental results on two representative FL watermarking schemes show that the proposed attack consistently removes the watermark with minimal impact on model performance, even without access to representative training data. More broadly, our findings highlight the importance of evaluating DNN watermarking schemes under threat models consistent with Kerckhoffs's principle, rather than relying on security through obscurity.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Digital watermarking, Normalization (sociology), Computer science, Robustness (evolution), Exploit, Embedding

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange