本文介绍了一种基于频率注入的背门攻击方法（FIBA），针对医学图像分析系统的分类和预测模型进行攻击。研究表明，多模态网络易受攻击，提出的双重密钥多模态后门攻击成功率高达98%。此外，针对联邦生成对抗网络（FedGANs）提出了防御措施FedDetect，有效抵御后门攻击。研究还探讨了医学成像领域的基础模型及其安全隐患，强调对错误标签的警惕。