SanitAIs：通过无监督数据增强净化木马化神经网络
机器学习
2022-06-03 v3
摘要
自监督学习（SSL）方法通过利用大量未标注数据来学习广义的底层结构，带来了神经网络性能的广泛提升。在这项工作中，我们利用无监督数据增强（UDA）这一 SSL 技术，来缓解深度神经网络上的后门或木马攻击。我们表明，在一系列模型架构、木马和用于木马移除的数据量下，无论是针对特征空间触发器还是点触发器，UDA 在移除木马方面均比当前 SOTA 方法更为有效。这些结果表明，UDA 是一种既能有效又切实可行的缓解后门对神经网络影响的方法。
引用
@article{arxiv.2109.04566,
title = {SanitAIs: Unsupervised Data Augmentation to Sanitize Trojaned Neural Networks},
author = {Kiran Karra and Chace Ashcraft and Cash Costello},
journal= {arXiv preprint arXiv:2109.04566},
year = {2022}
}
备注
7 pages, 5 figures