BadSR：图像超分辨率中的隐形标签后门攻击
计算机视觉与模式识别
2025-05-22 v1 人工智能
摘要
随着超分辨率（SR）在各领域的广泛应用，研究者开始关注其安全问题。先前的研究表明，SR 模型也可能通过数据投毒受到后门攻击，影响下游任务。后门 SR 模型会在给定触发器图像时生成攻击者预定义的目标图像，而对干净图像则产生正常的高分辨率（HR）输出。然而，先前针对 SR 模型的后门攻击主要关注受感染的低分辨率（LR）图像的隐形性，忽略了受感染 HR 图像的隐形性，这使得用户容易检测到异常数据。为此，我们提出 BadSR，提高受感染 HR 图像的隐形性。BadSR 的核心思想是逼近干净 HR 图像和预定义目标图像之间的特征空间，同时确保干净 HR 图像的修改范围受限。BadSR 生成的受感染 HR 图像可与现有触发器集成。为进一步提高 BadSR 的效果，我们设计了一个对抗优化触发器和基于遗传算法的后门梯度驱动受感染样本选择方法。实验结果表明，BadSR 在各种模型和数据集上实现了高攻击成功率，显著影响下游任务。
引用
@article{arxiv.2505.15308,
title = {BadSR: Stealthy Label Backdoor Attacks on Image Super-Resolution},
author = {Ji Guo and Xiaolei Wen and Wenbo Jiang and Cheng Huang and Jinjin Li and Hongwei Li},
journal= {arXiv preprint arXiv:2505.15308},
year = {2025}
}