arXiv cs.AI· Quentin Le Roux, Marti Jimenez, Yannick Teglia, Philippe Loubet Moundi·· 10 小时前AI 评分31
防御深度学习人脸识别流水线后门攻击的一套实用技巧
A Bag of Tricks for Defending Deep Learning-based Face Recognition Pipelines against Backdoor Attacks
AI 导读
针对训练数据来自可能被攻破的第三方、而模型训练在内部完成这一威胁模型，一份技术报告提出三种防御数据投毒后门攻击的实用技巧。第一种在训练时检测被投毒的身份，另两种在推理时过滤可疑输入，且每种方法都给出了动机、算法与计算开销，并在真实人脸识别工作负载上评估。
正文 · AI 翻译
摘要：保护成熟的多阶段人脸识别系统对系统提供商至关重要。本技术报告针对与行业从业者最相关的威胁模型：尽管模型训练在内部进行，但训练数据来自可能已被攻陷的第三方。在此设定下，我们提出三种实用的防御“技巧”，用于抵御基于数据投毒的后门攻击。第一种在训练时运行，在训练期间或流水线部署前检测被投毒的身份。后两种在推理时运行，在答案返回给潜在攻击者之前过滤可疑输入。每种方法均介绍了其动机、算法与计算开销，并在真实的人脸识别工作负载上进行了评估。我们的目标是为系统提供商提供可操作的加固技术。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；密码学与安全（cs.CR）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.06412 [cs.CV] |
| （或 arXiv:2611.06412v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06412 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Quentin Le Roux [查看邮箱]
[v1]
2026年11月4日星期三 12:12:32 UTC（1,132 KB）
来源：arXiv cs.AI · arxiv.org