.png){kind=icon}
返回
BATG: A Backdoor Attack Method Based on Trigger Generation
.png){kind=icon}
OA
AI
DOI：10.3390/electronics13245031.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
后门攻击旨在将隐藏的后门植入深度神经网络（DNNs）中，使得目标模型在干净图像上表现良好，而在被污染的图像上其预测会被恶意改变。然而，大多数现有的后门攻击方法缺乏实际应用所需的隐蔽性和鲁棒性，尤其是在抵抗图像压缩技术（如JPEG和WEBP）方面。为解决这些问题，本文提出了一种基于触发器生成（Trigger Generation）的后门攻击方法（BATG）。具体而言，利用一个深度卷积生成网络作为触发器生成模型来生成有效的触发图像，并利用一个可逆神经网络（INN）作为触发器注入模型，将生成的触发图像嵌入到干净图像中以创建被污染的图像。此外，通过使用噪声层来模拟图像压缩攻击进行对抗训练，增强了对抗实际图像压缩的鲁棒性。在基准数据集上的全面实验表明，所提出的BATG方法在有效性、隐蔽性和鲁棒性方面表现出色。
Keyword:
backdoor attack
invertible neural network
trigger generation
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
A Novel Single-Word Speech Recognition on Embedded Systems Using a Convolution Neuron Network with Improved Out-of-Distribution Detection基于改进型分布外检测的嵌入式系统单字语音识别新方法，采用卷积神经网络。.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏BadNets: Evaluating Backdooring Attacks on Deep Neural NetworksBadNets: 评估对深度神经网络的后台攻击IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容