ObfusBFA：一种全面保护DNN免受不同类型位翻转攻击的方法
密码学与安全
2025-06-13 v1
摘要
位翻转攻击（BFAs）对深度神经网络（DNNs）构成严重威胁，其中翻转模型参数或二进制代码中的少量位可以显著降低模型准确率或以期望方式误导模型预测。现有防御方法仅专注于保护特定攻击和平台上的模型，而缺乏对其他场景的有效性。我们提出了ObfusBFA，一种高效且全面的方法，用于缓解针对高层模型权重和低层代码库（可执行文件或共享库）的BFAs。ObfusBFA的核心思想是在模型推理过程中引入随机虚拟操作，这有效地将精细攻击转化为随机位翻转，使攻击者更难定位和利用易受攻击的位。我们设计了新颖的算法来识别关键位并插入混淆操作。我们在不同类型的攻击下评估了ObfusBFA，包括攻击者增加翻转位预算以尝试规避我们防御的自适应场景。结果表明，ObfusBFA可以在各种数据集和DNN架构中一致地保持模型准确率，同时显著降低攻击成功率。此外，它引入了最小的延迟和存储开销，使其成为实际应用的实用解决方案。
引用
@article{arxiv.2506.10744,
title = {ObfusBFA: A Holistic Approach to Safeguarding DNNs from Different Types of Bit-Flip Attacks},
author = {Xiaobei Yan and Han Qiu and Tianwei Zhang},
journal= {arXiv preprint arXiv:2506.10744},
year = {2025}
}