WPDA: Frequency-based Backdoor Attack with Wavelet Packet Decomposition

doi:10.1016/j.neunet.2025.108074

WPDA: Frequency-based Backdoor Attack with Wavelet Packet Decomposition

2025-09-04

0

PRE

AI

DOI：10.1016/j.neunet.2025.108074

原文链接

原文求助

摘要

En 中文

• 目前，现有的后门攻击通常需要中等或高污染率才能实现期望的攻击性能，但这使它们容易受到一些高级后门防御（例如，污染样本检测）的影响。解决这一困境的一种可能方案是在低污染率下增强攻击性能，但由于其高难度，这一方案很少被研究。在本工作中，我们开发了一种创新的后门攻击方法（即WPDA），该方法在50,000个训练样本中仅需98.12个污染样本即可实现攻击。 • 我们利用WPD来展示DNN在频域中的学习机制，并提出了一种有效的方法来识别DNN模型能够充分学习的最关键频域区域。 • 与现有在频域中的后门攻击不同（即，将触发信息注入固定频域区域，导致次优性能），我们考虑了数据集之间的差异，并为后门攻击提出了一个数据集特定的污染区域选择策略。亮点（供审阅）

WPDA: Frequency-based Backdoor Attack with Wavelet Packet Decomposition

摘要

期刊

机构

引用论文