基于头随机探测的快速轻量级后门检测

深度神经网络（DNN）仍然严重 vulnerable 于后门攻击。现有的训练后检测器通常需要干净或替代数据、梯度或迭代触发器重建，导致高计算成本且在实际模型审计场景下受限于鲁棒性。在本文中，我们提出了 HTell，一种基于头随机探测的快速轻量级数据免费后门检测器。HTell 不通过重建多样化的触发器模式，而是检查其在预测头中的统一表现：后门模型在随机潜在探测下倾向于在目标类别上表现异常集中。HTell 生成结构感知的随机潜在探测器，直接输入模型头部，通过分析类别响应统计来检测后门，无需访问真实或替代数据、模型梯度或参数优化。在我们对 HTell 进行评估时，包含超过 6000 个后门模型和 700 个干净模型的大型基准测试覆盖了 4 个数据集、14 种架构和 21 种类型后门攻击。HTell 在仅 12.69 毫秒/模型的检测延迟下实现了 99.03% 的真阳性率和 2.11% 的假阳性率，将与代表性梯度基检测器相比的时间成本缩短了超过 30000 倍。这些结果表明，头随机探测提供了一个准确、稳健且高效的大规模数据免费后门模型审计解决方案。