针对深度神经网络的一种不可感知多通道后门攻击
计算机视觉与模式识别
2025-03-04 v1
摘要
近期研究表明，深度神经网络（DNN）模型易受后门攻击。被植入后门的 DNN 模型在接收到含后门触发器的图像时会表现出恶意行为。迄今为止，现有的后门攻击均为单触发器、单目标攻击，且大多数现有后门攻击的触发器明显，易被检测或察觉。本文利用离散余弦变换（DCT）隐写术，提出了一种针对深度神经网络的新型不可感知多通道后门攻击。基于所提后门攻击方法，我们实现了两种变体：N对N后门攻击与N对一后门攻击。具体而言，对于彩色图像，我们利用 DCT 隐写术在图像的不同通道上构造触发器，从而使触发器隐蔽且自然。基于所提方法，我们实现了多目标、多触发器的后门攻击。实验结果表明，N对N后门攻击在 CIFAR-10 数据集上的平均攻击成功率为 93.95%，在 TinyImageNet 数据集上为 91.55%；N对一攻击在 CIFAR-10 与 TinyImageNet 数据集上的平均攻击成功率分别为 90.22% 与 89.53%。同时，所提后门攻击不影响 DNN 模型的分类准确率。此外，所提攻击被证明对最先进的（SOTA）后门防御方法 Neural Cleanse 具有鲁棒性。
引用
@article{arxiv.2201.13164,
title = {Imperceptible and Multi-channel Backdoor Attack against Deep Neural Networks},
author = {Mingfu Xue and Shifeng Ni and Yinghao Wu and Yushu Zhang and Jian Wang and Weiqiang Liu},
journal= {arXiv preprint arXiv:2201.13164},
year = {2025}
}