Newest papers

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

Elena Rodríguez-Lois, Fernando Pérez-González · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28076 · open-access PDF

German

Batch Normalization (BN) -Lager sind zu einer gängigen Wahl für das Einbinden von White-Box-Wasserzeichen in Federated Learning (FL) geworden und bieten einen einfachen und effektiven Mechanismus für die Modellbesitzprüfung und Teilnehmeridentifikation. Allerdings haben sich frühere Arbeiten auf Robustheit gegen generische Modifikationen konzentriert, wodurch die Sicherheitsimplikationen dieses Designs weitgehend unerforscht bleiben. In diesem Papier identifizieren wir grundlegende Schwachstellen von BN-basierten Wasserzeichen-Systemen und schlagen einen praktischen datenfreien Angriff vor, der sie ausnutzt.

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 sche

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

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