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

Russian

Базовые стандартизационные (BN) слои стали распространенным выбором для встраивания белых водных знаков в федеративном обучении (FL), обеспечивая простой и эффективный механизм для проверки собственности моделей и идентификации участников. Однако предыдущие работы сосредоточились на надежности против генерических модификаций моделей, оставляя последствия безопасности этого дизайна в значительной степени неисследованными. В этой статье мы идентифицируем фундаментальные уязвимости систем водных знаков на базе BN и предлагаем практическую атаку без данных, которая их эксплуатирует. Экспериментальные результаты на двух представительных схемах водных знаков FL показывают, что предлагаемая атака последовательно удаляет водные знаки с минимальным воздействием на производительность модели, даже без доступа к представительным данным обучения.

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