OCGEC: 基于图嵌入的一类分类方法用于深度神经网络后门检测
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出了一种称为 OCGEC 的新型单一类别分类框架，使用少量的清洁数据和基于图神经网络（GNNs）的模型级后门检测来检测后门攻击。与其他基线相比，在许多任务上，我们的 OCGEC 方法实现了超过 98％的 AUC 分数，大大超过现有的方法，并且无需依赖大量的正样本和负样本。我们对图形场景的创新应用为泛用后门检测提供了新的见解，可用于改进其他后门防御任务。
本研究提出了一种新型的单一类别分类框架OCGEC，使用少量的清洁数据和基于图神经网络的模型级后门检测来检测后门攻击。OCGEC方法在许多任务上的AUC分数超过98%，大大超过现有方法，并且无需大量正负样本。该研究为泛用后门检测提供了新的见解，可用于改进其他后门防御任务。
