NT-ML：基于非目标标签训练和相互学习的后门防御
机器学习
2025-08-08 v1
摘要
近期研究表明，深度神经网络 (DNN) 对后门攻击极其脆弱，攻击者可通过向数据集中注入设计好的触发器，当触发器被激活时，网络会进行错误预测。本文提出一种新型防御机制——非目标标签训练与相互学习 (NT-ML)，成功恢复受高级后门攻击影响的模型。NT 通过使用标准训练输出来重新训练模型，以减少被毒化数据的损害。在此阶段，获得在干净数据上准确率高的教师模型，以及在毒化数据上对正确预测置信度更高的学生模型。随后，教师模型和学生模型可通过相互学习从各自的优势中汲取知识，以获得净化后的学生模型。大量实验表明，NT-ML 能有效防御 6 种后门攻击，仅需少量干净样本，还能超越 5 种最新后门防御方法。
引用
@article{arxiv.2508.05404,
title = {NT-ML: Backdoor Defense via Non-target Label Training and Mutual Learning},
author = {Wenjie Huo and Katinka Wolter},
journal= {arXiv preprint arXiv:2508.05404},
year = {2025}
}