研究：蒸馏数据投毒可向学生模型植入后门
热点事件持续更新
研究：蒸馏数据投毒可向学生模型植入后门
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Qian Ma等作者提出一种针对图像知识蒸馏的数据投毒后门攻击：即使教师模型本身干净，只要蒸馏数据集被注入教师已预测为攻击者指定目标标签的触发图像，学生模型就会学到后门。 作者称，该攻击在10%投毒率下依然有效，在定向对抗扰动和基于GAN的定向类别转换等多种操纵策略下均有效；学生模型在干净图像上仍保持有竞争力的性能。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
如何对图像知识蒸馏实施后门攻击报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AI如何对图像知识蒸馏实施后门攻击
研究表明，即使教师模型干净，蒸馏数据集本身被投毒仍可让学生模型学到后门。攻击通过注入教师已预测为攻击者指定目标标签的触发图像实现，在 10% 投毒率下依然有效。该攻击在多种操纵策略下均有效，包括定向对抗扰动和基于 GAN 的定向类别转换，且学生模型在干净图像上仍保持有竞争力的性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。