Rethinking Reverse-Engineering-Based Backdoor Removal in Self-Supervised Learning

doi:10.1109/tifs.2026.3723195

Rethinking Reverse-Engineering-Based Backdoor Removal in Self-Supervised Learning

2026-08-12

0

PRE

AI

DOI：10.1109/tifs.2026.3723195

原文链接

原文求助

摘要

En 中文

自监督学习（SSL）因其无需标签数据即可训练高性能模型的能力而备受关注，在交通标志识别等下游任务中取得了显著成果。然而，现有研究表明自监督学习易受后门攻击，导致潜在安全威胁。逆向工程可以重建植入的后门触发器，并通过抑制反向触发器的影响来移除后门。然而，现有的逆向工程方法要么专注于监督学习，要么只能反转低质量触发器，这些触发器足以被检测但不足以完全移除后门。本文对现有逆向工程方法进行了全面的理论分析，并观察到触发器增长现象。我们揭示了其背后的原理，基于此提出了一种专为自监督学习设计的新型后门移除方法，称为RECEIVE。RECEIVE引入了一种基于Wasserstein距离的原理性早停策略，在迭代触发器反转过程中识别最优反向触发器，实现了有效的后门遗忘同时保留了模型效用。在自监督学习中针对两种最先进的后门攻击的实验表明，RECEIVE仅需500张预训练数据（如低至0.5%）即可有效降低攻击成功率，超越了五种基线后门移除技术。

Keyword:

Backdoor defense

pre-trained encoders

mutual information

distillation

Rethinking Reverse-Engineering-Based Backdoor Removal in Self-Supervised Learning

摘要

期刊

机构

引用论文