BriefGPT - AI 论文速递
·
Backdoor Attack Against Vision Transformers: Image Erosion Method Based on Attention Gradient
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于注意力梯度的腐蚀后门攻击方法（AGEB），针对视觉变换器（ViTs）的后门攻击。该方法通过选择性腐蚀高注意力区域的像素，成功嵌入隐蔽的后门触发器，同时保持模型对干净样本的准确性。实验表明，AGEB在多种ViT架构和数据集上具有显著的攻击成功率和隐蔽性。
🎯
关键要点
- 本研究提出了一种基于注意力梯度的腐蚀后门攻击方法（AGEB），专门针对视觉变换器（ViTs）。
- AGEB方法通过选择性腐蚀高注意力区域的像素，成功嵌入隐蔽的后门触发器。
- 该方法在保持模型对干净样本的准确性的同时，优化了攻击的隐蔽性与有效性。
- 实验结果显示，AGEB在多种ViT架构和数据集上具有显著的攻击成功率和隐蔽性。
➡️
