FedSOV：基于不可伪造签名的联邦模型安全所有权验证
密码学与安全
2023-05-11 v1 人工智能
摘要
联邦学习允许多方在不泄露私有数据的情况下协作学习全局模型。训练的高成本以及全局模型的重大价值使得联邦学习的所有权验证成为必要。然而，现有的联邦学习所有权验证方案存在若干局限，例如对大量客户端支持不足、易受模糊攻击。为应对这些局限，我们提出了一种基于密码学签名的联邦学习模型所有权验证方案，名为 FedSOV。FedSOV 允许众多客户端嵌入其所有权凭证并利用不可伪造的数字签名验证所有权。该方案借助签名的不可伪造性，在理论上抵抗模糊攻击。在计算机视觉与自然语言处理任务上的实验结果表明，FedSOV 是一种增强了可证明密码学安全性的有效联邦模型所有权验证方案。
引用
@article{arxiv.2305.06085,
title = {FedSOV: Federated Model Secure Ownership Verification with Unforgeable Signature},
author = {Wenyuan Yang and Gongxi Zhu and Yuguo Yin and Hanlin Gu and Lixin Fan and Qiang Yang and Xiaochun Cao},
journal= {arXiv preprint arXiv:2305.06085},
year = {2023}
}