FRIB：基于特征修复的低投毒率不可见后门攻击
计算机视觉与模式识别
2022-07-27 v1
摘要
在生成不可见后门攻击投毒数据过程中，特征空间变换操作往往导致部分投毒特征丢失，并削弱带触发器源图像与目标标签之间的映射关系，从而造成需要更高的投毒率才能达到相应的后门攻击成功率。为解决上述问题，我们首次提出特征修复的思想，并引入盲水印技术来修复投毒数据生成过程中丢失的投毒特征。在保证标注一致的前提下，我们提出一种基于特征修复的低投毒率不可见后门攻击，命名为 FRIB。得益于上述设计理念，新方法增强了带触发器源图像与目标标签之间的映射关系，并增加了对 DNNs 的误导程度，从而以极低的投毒率实现了高后门攻击成功率。最终，详细的实验结果表明，在 MNIST、CIFAR10、GTSRB 和 ImageNet 所有数据集上均实现了以极低投毒率获得高后门攻击成功率的目标。
引用
@article{arxiv.2207.12863,
title = {FRIB: Low-poisoning Rate Invisible Backdoor Attack based on Feature Repair},
author = {Hui Xia and Xiugui Yang and Xiangyun Qian and Rui Zhang},
journal= {arXiv preprint arXiv:2207.12863},
year = {2022}
}