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

Spanish

Las capas de normalización de lotes (BN) se han convertido en una opción común para la incorporación de marcadores de caja blanca en el aprendizaje federado (FL), proporcionando un mecanismo simple y eficaz para la verificación de la propiedad del modelo y la identificación de los participantes. Sin embargo, los trabajos anteriores se han centrado en la robustez contra las modificaciones genéricas del modelo, dejando las implicaciones de seguridad de este diseño en gran medida inexploradas. En este artículo, identificamos las vulnerabilidades fundamentales de los esquemas de marcado de agua basados en BN y proponemos un ataque práctico sin datos que los explota.

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