NeuroPatch: Lightweight diffusion model repair for backdoor attack mitigation based on neuron-level patching

Chengze Wu

doi:10.1016/j.neucom.2026.133283

NeuroPatch: Lightweight diffusion model repair for backdoor attack mitigation based on neuron-level patching

2026-03-07

0

PRE

AI

DOI：10.1016/j.neucom.2026.133283

原文链接

原文求助

摘要

En 中文

扩散模型作为一种生成模型，在多样化应用中取得了显著成果。尽管其性能优异，但扩散模型容易受到后门攻击，正如近期研究所示。尽管已有少数方法尝试缓解后门问题，但它们需要调整整个模型，导致成本高昂并可能降低生成性能。为缓解这一问题，我们提出了NeuroPatch框架，该框架仅修补与后门相关的最小错误神经元子集，而无需修改神经网络本身，从而显著降低干预成本并保留模型性能。具体而言，NeuroPatch首先近似清洁样本的分布以检测被后门感染的输入，然后根据这些异常样本引发的激活偏差对神经元进行排序。最后，通过附加轻量级校正控制器来调整其输出，修补最易出错的神经元，且不改变模型参数。我们在两个数据集和三种主流后门攻击的168个扩散模型上评估了NeuroPatch。大量结果表明了该方法的有效性和高效性：与当前最佳方法相比，NeuroPatch的平均修复速度最高快24倍，同时略微提升了后门缓解性能。消融研究进一步证实，基于错误诱导得分对神经元进行排序是驱动我们框架有效性的关键因素。我们的代码可在以下地址获取：https://github.com/Mospic/NeuroPatch。

Keyword:

NeuroPatch

diffusion models

backdoor attacks

neuron-level patching

lightweight repair

NeuroPatch: Lightweight diffusion model repair for backdoor attack mitigation based on neuron-level patching

摘要

期刊

机构

引用论文