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

Vietnamese

Các lớp Batch Normalization (BN) đã trở thành một lựa chọn phổ biến cho việc nhúng watermark hộp trắng trong Federated Learning (FL), cung cấp một cơ chế đơn giản và hiệu quả cho việc xác minh sở hữu mô hình và nhận dạng người tham gia. Tuy nhiên, các công việc trước đây đã tập trung vào độ bền chống lại các sửa đổi mô hình chung, để lại những tác động bảo mật của thiết kế này phần lớn chưa được khám phá. Trong bài báo này, chúng tôi xác định các lỗ hổng cơ bản của các chương trình watermark dựa trên BN và đề xuất một cuộc tấn công thực tế không có dữ liệu mà khai thác chúng.

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