在网络安全威胁时代，后门攻击防御对机器学习模型完整性和可靠性至关重要。研究者提出了一种取消学习任务的方法，通过模型修剪策略识别和消除后门元素。该方法在数据有限场景下表现出更高的有效性。

在网络安全威胁时代，后门攻击防御对机器学习模型完整性和可靠性至关重要。研究者提出一种取消学习任务的方法，通过模型修剪策略识别和消除后门元素。方法简单有效，适用于数据有限的场景。评估结果显示，该方法在现实数据下更有效。