通过决策路径耦合增强后门攻击生存能力的通用方法
人工智能
2024-03-06 v1 密码学与安全
摘要
后门攻击已成为深度神经网络 (DNN) 新兴的安全威胁之一，导致了严重后果。主流的后门防御方法之一是基于模型重构的。此类防御采用模型遗忘或剪枝来消除后门。然而，鲜有研究关注如何在此类防御下生存。为填补这一空白，我们提出了 Venom，这是首个通用的后门攻击增强器，旨在提高现有后门攻击针对基于模型重构防御的生存能力。我们将 Venom 形式化为一个二元任务优化问题。第一个任务是原始后门攻击任务，以保留原始攻击能力；第二个任务是攻击增强任务，以提高攻击生存能力。为实现第二个任务，我们提出了注意力模仿损失，迫使被投毒样本在后门模型中的决策路径与良性样本的关键决策路径耦合，从而使后门难以被消除。我们在两个 DNN 和三个数据集上的广泛评估表明，Venom 显著提高了八种最先进攻击针对八种最先进防御的生存能力，且不影响原始攻击的能力。
引用
@article{arxiv.2403.02950,
title = {A general approach to enhance the survivability of backdoor attacks by decision path coupling},
author = {Yufei Zhao and Dingji Wang and Bihuan Chen and Ziqian Chen and Xin Peng},
journal= {arXiv preprint arXiv:2403.02950},
year = {2024}
}