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。

本文介绍了图像形态学知识，包括腐蚀和膨胀处理。形态学运算包括开闭运算、梯度、顶帽和底帽运算。Python中可通过OpenCV的函数实现腐蚀和膨胀处理。数学形态学是图像处理和模式识别的新方法。