(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111182538.5 (22)申请日 2021.10.1 1 (71)申请人 杭州中奥科技有限公司 地址 310000 浙江省杭州市拱 墅区候圣街 99号财智顺丰创新中心 2幢1408室 (72)发明人 郑申俊　张亮　李冰　王魁　 赵尚上　江易　吴金华　俞山青　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 安卫静 (51)Int.Cl. G06F 21/16(2013.01) G06N 20/00(2019.01) (54)发明名称 基于联邦学习模 型的水印检测方法、 系统及 电子设备 (57)摘要 本发明提供了一种基于联邦学习模型的水 印检测方法、 系统及电子设备， 涉及信息安全技 术领域， 该方法首先获取联邦学习模 型的初始化 参数， 其中， 初始化参数至少包括： 参与联邦 学习 的设备数量、 参与训练的客户端数量、 参与训练 的水印客户端数量； 然后根据初始化参数对 联邦 学习模型进行聚合计算， 确定联邦学习模型的聚 合模型； 再对聚合模型进行收敛计算， 并更新水 印客户端中的水印数据； 最后判断待检测样本中 是否包含已更新的水印数据， 并将判断结果确定 为水印检测的结果。 该方法利用聚合模型动态改 变嵌入的水印数据， 实现了利用水印来对模型的 所有权进行检测。 权利要求书2页 说明书9页 附图4页 CN 113901405 A 2022.01.07 CN 113901405 A 1.一种基于联邦学习模型的水印检测方法， 其特 征在于， 所述方法包括： 获取联邦学习模型的初始化参数； 其中， 所述初始化参数包括： 参与联邦学习的设备数 量、 参与训练的客户端数量、 参与训练的水印客户端数量； 根据所述初始化参数对所述联邦学习 模型进行聚合计算， 确定所述联邦学习 模型的聚 合模型； 对所述聚合模型进行收敛计算， 并更新所述水印客户端中的水印数据； 判断待检测样本 中是否包含已更新的所述水印数据， 并将判断结果确定为所述水印检 测的结果。 2.根据权利要求1所述的基于联邦学习 模型的水印检测方法， 其特征在于， 所述联邦学 习模型包括： 客户端模型以及服 务端模型； 获取联邦学习模型的初始化 参数的步骤， 包括： 利用所述 参与训练的客户端数量， 确定第一 客户端模型； 利用所述 参与训练的水印客户端数量， 确定第二 客户端模型； 根据所述参与联邦学习的设备数量， 分别确定所述第 一客户端模型以及所述第 二客户 端模型对应的模型参数， 并将已确定的模型参数确定为所述初始化 参数。 3.根据权利要求2所述的基于联邦学习 模型的水印检测方法， 其特征在于， 利用所述参 与训练的客户端数量， 确定所述第一 客户端模型的步骤， 通过以下算式实现： 其中， Dk为第一本地数据集； Ck为边缘端； 为第一客户端模 型， 所述第一客户端模 型通 过所述第一本地数据集输入至所述边缘端生成的； (x,y)分别是所述第一本地数据集Dk的 数据和标签； L为计算预测结果与真实结果的交叉熵损失函数； 为下一轮训练的所述第 一客户端模型对应的权 重参数。 4.根据权利要求2所述的基于联邦学习 模型的水印检测方法， 其特征在于， 利用所述参 与训练的水印客户端数量， 确定所述第二 客户端模型的步骤， 通过以下算式实现： 其中， DWM为第二本地数据集； WM为水印客户端； 为下一轮训练的所述第二客户端模 型对应的权重参 数； (x,y)分别是所述第二本地 数据集DWM的数据和标签； R是收敛计 算方法； τ 为水印数据的标签。 5.根据权利要求3至4任一项所述的基于联邦学习模型的水印检测方法， 其特征在于， 根据所述初始化 参数对所述联邦学习模型进行聚合计算， 利用以下算式实现： 其中， Gt+1为已完成聚合的所述聚合模型； Gt为上一轮 聚合的所述服务端模型； K为权重 缩放系数。 6.根据权利要求2所述的基于联邦学习 模型的水印检测方法， 其特征在于， 对所述聚合权　利　要　求　书 1/2 页 2 CN 113901405 A 2模型进行收敛计算， 包括： 利用优化补丁， 对所述聚合模型进行优化； 上述过程 通过以下算式实现： 其中， ∈为步长； sign为符号函数； wmt+1为wmt优化后的结果； 为优 化补丁； 利用以下算式消除上一时刻中补丁的影响： 其中， 将嵌入水印的R(x,wmt)数据集使用正确的标签进行矫正； 并利 用R(x,wmt+1)和目标标签重新嵌入新的水印wmt+1。 7.根据权利要求6所述的基于联邦学习 模型的水印检测方法， 其特征在于， 判断待检测 样本中是否包含已更新的所述水印数据， 并将判断结果确定为所述水印检测的结果的步 骤， 包括： 获取待检测样本S， 将所述待检测样本S与水印wm输入至所述聚合模型中， 得到输出结 果P(S+wm)； 判断所述输出结果P(S+wm)是否与印数据的标签τ相同， 并将判断结果确定为所述水印 检测的结果。 8.一种基于联邦学习模型的水印检测系统， 其特 征在于， 所述系统包括： 初始化单元， 用于获取联邦学习模型的初始化参数； 其中， 所述初始化参数包括： 参与 联邦学习的设备 数量、 参与训练的客户端数量、 参与训练的水印客户端数量； 聚合计算单元， 用于根据所述初始化参数对所述联邦学习模型进行聚合计算， 确定所 述联邦学习模型的聚合模型； 优化单元， 用于对所述聚合模型进行收敛计算， 并更新所述水印客户端中的水印数据； 检测单元， 用于判断待检测样本中是否包含已更新的所述水印数据， 并将判断结果确 定为所述水印检测的结果。 9.一种电子设备， 其特征在于， 包括： 处理器和存储装置； 所述存储装置上存储有计算 机程序， 所述计算机程序在被所述处理器运行时实现如权利要求 1至7任一项 所述的基于联 邦学习模型的水印检测方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处理器运行时实现上述权利要求 1至7任一项 所述的基于联邦学习 模型的水印检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 113901405 A 3