RIBAC：面向紧凑型 DNN 的鲁棒且隐蔽后门攻击

Huy Phan; Cong Shi; Yi Xie; Tianfang Zhang; Zhuohang Li; Tianming Zhao; Jian Liu; Yan Wang; Yingying Chen; Bo Yuan

RIBAC：面向紧凑型 DNN 的鲁棒且隐蔽后门攻击

密码学与安全 2022-08-24 v1 计算机视觉与模式识别

作者: Huy Phan , Cong Shi , Yi Xie , Tianfang Zhang , Zhuohang Li , Tianming Zhao , Jian Liu , Yan Wang , Yingying Chen , Bo Yuan

在 arXiv 上查看 ↗ PDF ↗

摘要

近期后门攻击已成为深度神经网络（DNN）模型安全的新兴威胁。迄今，现有研究多聚焦于针对未压缩模型的后门攻击；而广泛应用于实际场景的压缩 DNN 的脆弱性则鲜有探索。本文提出研究并开发面向紧凑型 DNN 模型的鲁棒且隐蔽后门攻击（RIBAC）。通过对关键设计旋钮的系统性分析与探索，我们提出一种能高效学习合适触发模式、模型参数与剪枝掩码的框架，从而同时实现高触发隐蔽性、高攻击成功率与高模型效率。基于不同数据集的广泛评估（包括针对最先进防御机制的测试）证明了 RIBAC 的高鲁棒性、隐蔽性与模型效率。代码见 https://github.com/huyvnphan/ECCV2022-RIBAC

关键词

后门攻击紧凑型 DNN 模型压缩触发隐蔽性剪枝掩码对抗鲁棒性深度神经网络

引用

@article{arxiv.2208.10608,
  title  = {RIBAC: Towards Robust and Imperceptible Backdoor Attack against Compact DNN},
  author = {Huy Phan and Cong Shi and Yi Xie and Tianfang Zhang and Zhuohang Li and Tianming Zhao and Jian Liu and Yan Wang and Yingying Chen and Bo Yuan},
  journal= {arXiv preprint arXiv:2208.10608},
  year   = {2022}
}

备注

Code is available at https://github.com/huyvnphan/ECCV2022-RIBAC

RIBAC：面向紧凑型 DNN 的鲁棒且隐蔽后门攻击

摘要

关键词

引用

备注

相关论文