STRIP

后门攻击深度实战:从触发器植入、BadNets 到干净标签后门与谱防御的工程全解

后门攻击(Neural Backdoor Attack,亦常称 Trojan Attack)是机器学习安全中一类与数据投毒高度相关却目标迥异的攻击:攻击者在模型**训练阶段**(或预训练权重、第三方供应链环节)植入一个隐藏的「触发器(trigger)」映射,使得模型在面对正常输入时保持高精度,而一旦输入携带特定触发器,模型便按攻击者预设的目标标签输出。它不追求在干净样本上降低整体准确率,而是追求「…

数据投毒攻击深度实战:从标签翻转、干净标签投毒到触发式后门与供应链投毒的攻防工程

数据投毒(Data Poisoning)是机器学习系统面临的一类根本性供给链威胁:攻击者在模型训练之前或训练过程中,向训练集注入精心构造的恶意样本,使最终模型在干净数据上表现正常、却在攻击者指定的输入上失效或按攻击者意图决策。与对抗样本(推理时扰动)、成员推断(隐私窃取)不同,投毒攻击的破坏发生在"信任边界的更上游"——它污染的是模型赖以学习的事实本身。本文从第一性原理出发,系统拆解标签翻转、特征…