DeBackdoor: An Inference Framework for Detecting Backdoor Attacks in Deep Models

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种新框架,能够有效检测深度学习中的后门攻击,尤其在数据有限的情况下。该框架通过推理搜索生成候选触发器,优化攻击成功率,成功识别多种模型和数据集中的后门攻击,表现接近完美。

🎯

关键要点

  • 本研究提出了一种新框架,能够有效检测深度学习中的后门攻击。
  • 该框架在数据有限的情况下仍能有效工作。
  • 通过推理搜索生成候选触发器,优化攻击成功率。
  • 成功识别多种模型和数据集中的后门攻击。
  • 该框架的表现接近完美,填补了现有检测技术在实际应用中的空白。
➡️

继续阅读