Backdoor-Based Watermarking in Multi-Client Split Learning

Yao Zhao

doi:10.1109/tdsc.2026.3712080

Backdoor-Based Watermarking in Multi-Client Split Learning

2026-07-09

0

PRE

AI

DOI：10.1109/tdsc.2026.3712080

原文链接

原文求助

摘要

En 中文

分割学习（SL）将深度神经网络（DNN）划分为客户端和服务端模型，客户端依次训练客户端模型以减少本地计算。随着SL应用的增多，保护模型知识产权并认可客户端的联合贡献变得至关重要。模型水印是一种有前景的解决方案。然而，现有的方案（为集中式训练设计或改编自协作框架）不适用于SL，尤其是在多客户端设置中。这是因为SL的顺序训练特性引入了三个独特挑战：（1）服务端训练可能擦除客户端插入的水印；（2）共享的客户端模型允许后续客户端覆盖先前水印；（3）恶意客户端可能故意移除合法水印。本文首次研究了多客户端SL中的DNN水印技术，提出了两种方法：适用于良性环境的MarkSplit和针对存在恶意客户端的对抗性环境的MarkSplit+。两者均利用一种新颖的水印样本生成技术，命名为Color-Shape-ID。具体而言，MarkSplit在三层次结构（微局部、局部和全局轮次）中联合训练主任务和水印样本，而MarkSplit+通过根据水印检测准确率动态调整每客户端的水印样本数量来增强鲁棒性，但以增加资源消耗为代价。实验表明，两种方法均保持高保真度和鲁棒性，实现约98%的水印检测准确率，仅导致约3%的主任务准确率下降。

Keyword:

Split learning

model watermarking

malicious manipulation

deep neural network

Backdoor-Based Watermarking in Multi-Client Split Learning

摘要

期刊

机构

引用论文