Sonic：面向聚类算法的快速可迁移数据投毒攻击
密码学与安全
2024-08-15 v1 计算机视觉与模式识别
机器学习
摘要
聚类算法上的数据投毒攻击受到的关注有限，现有方法在数据集规模和特征数量增加时难以有效扩展。这些攻击通常需要多次对整个数据集重新聚类以生成预测并评估攻击者目标，严重阻碍了其可扩展性。本文通过提出Sonic——一种利用增量与可扩展聚类算法（例如FISHDBC）作为代理来加速针对基于图和基于密度的聚类方法（如HDBSCAN）的投毒攻击的新型遗传数据投毒攻击——解决了这些局限性。我们从实证上证明了Sonic在投毒目标聚类算法方面的有效性和效率。随后，我们对影响聚类算法投毒攻击可扩展性和可迁移性的因素进行了全面分析，最后考察了攻击策略Sonic中超参数的鲁棒性。
引用
@article{arxiv.2408.07558,
title = {Sonic: Fast and Transferable Data Poisoning on Clustering Algorithms},
author = {Francesco Villani and Dario Lazzaro and Antonio Emanuele Cinà and Matteo Dell'Amico and Battista Biggio and Fabio Roli},
journal= {arXiv preprint arXiv:2408.07558},
year = {2024}
}
备注
preprint paper