本研究提出了一种名为Sonic的数据中毒攻击方法，针对聚类算法。Sonic通过增量和可扩展的聚类算法，提高了对图形和基于密度的聚类方法的中毒攻击的效率和可转移性。实验证明了Sonic的效果和效率。

本研究提出了一种新的防御机制，通过在特征子空间上执行基于密度的聚类，并逐渐隔离可疑的簇，有效减轻了训练时间中注入后门的攻击。