Federated learning ownership verification with fixed length watermarks using hash-based message authentication code

Suxia Zhu

doi:10.1016/j.jisa.2026.104561

Federated learning ownership verification with fixed length watermarks using hash-based message authentication code

2026-06-30

0

PRE

AI

DOI：10.1016/j.jisa.2026.104561

原文链接

原文求助

摘要

En 中文

联邦学习是一种新兴的分布式机器学习框架，其训练阶段需要大量的开发资源。为了保护开发者的权益，必须确认联邦学习模型的所有权。尽管模型水印是验证模型所有权的一种常用方法，但当前的基于参数的模型水印验证技术存在缺陷，特别是在客户端数量增加时，会导致水印检测率下降和原始任务性能降低。为解决这些问题，提出了一种基于哈希消息认证码（HMAC）的固定长度水印的联邦学习所有权验证方法。服务器生成一个固定长度的HMAC，并将其值作为全局水印，然后由客户端嵌入到本地模型中。HMAC能够保证水印的一致性，并解决因客户端数量增加而导致水印检测率下降的问题，这得益于其固定的输出大小和可验证性。在图像分类场景中进行了广泛的实验，结果表明，当使用HMAC作为水印时，水印检测率不会随着客户端数量的增加而下降。当客户端数量小于200时，水印检测率均为100%。此外，水印对原始图像分类准确率的影响非常小，低于1%。

Federated learning ownership verification with fixed length watermarks using hash-based message authentication code

摘要

期刊

机构

引用论文