计算机工程

作者：陈先意, 糜慧, 何俊杰, 付章杰

单位：1. 南京信息工程大学计算机学院、网络空间安全学院, 江苏 南京 2100442. 南京信息工程大学数字取证教育部工程研究中心, 江苏 南京 2100443. 南京信息工程大学软件学院, 江苏 南京 210044

关键词：联邦学习,版权保护,可溯源性,鲁棒性,机器学习

基金：国家重点研发计划(2021YFB2700900); 国家自然科学基金(62172232); 国家自然科学基金(62172233); 江苏省杰出青年基金(BK20200039)

由于参与联邦学习联合训练的客户端并非完全可信, 从而带来联邦学习模型的版权泄露风险, 而当前由中央服务器嵌入水印的方法面临许多难题, 例如难以适用于安全联邦学习架构、溯源能力不足、服务器计算负担过重等。针对上述问题, 提出一种基于正交约束的可溯源安全联邦学习版权保护方案FedSOW。首先, 服务器复制待嵌入水印的卷积层形成双层通道, 作为初始化水印层; 然后, 根据施密特正交化原理设计正交约束规则并以不同的规则约束局部模型水印层的输出特征; 最后, 客户端通过训练反向引导水印层形成具有不同正交结构的可溯源局部模型。实验结果表明, 与现有的水印方案相比, FedSOW具有较好的水印持续性, 确保能在安全联邦学习框架的训练过程中进行版权验证, 在可溯源性、保真度和抗攻击能力等方面表现出卓越的性能。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期