本論文では、U字型スプリットフェデレーテッドラーニング（SFL）のような分散型機械学習パラダイムにおけるサーバーの脆弱性を解決するための新たな透かし技術「Sigil」を提案しています。従来の透かし技術はクライアントの協力を必要とし、敵対的な状況では信頼性に欠けます。また、サーバーが重要な要素（モデルパラメータやラベル）にアクセスできないため、従来のサーバー側透かし技術も技術的に実現不可能です。Sigilは、サーバーが可視化する活性化空間に統計的制約を定義し、クライアントモデルに勾配を通じて透かしを埋め込むことで、データに関する知識を必要とせず実施可能です。さらに、適応的勾配クリッピングメカニズムを設計し、透かしプロセスが必然的かつ秘密裡に行われることを確保します。実験においては、Sigilの忠実性、堅牢性、秘密性が実証されています。