规模回归设置下的隐形毒化攻击可规避防御
机器学习
2026-03-03 v2 人工智能
密码学与安全
摘要
回归模型广泛应用于工业流程、工程和自然物理科学中，但其对毒化攻击的鲁棒性受到的注意力相对较少。当其被关注时，研究常常假设不切实际的威胁模型，从而在实际中不够有用。本文提出一种新型的 optimal stealthy attack 方案，考虑不同检测可见度，并表明其可规避最先进的防御。我们进一步提出一种基于目标归一化的新方法，用于评估有效性和检测可见度之间的不同 trade-off。最后，我们开发了一种新型防御（BayesClean）以对抗隐形攻击。BayesClean 在攻击隐形且毒化点数量显著时，提高了相对于先前防御的性能。
关键词
引用
@article{arxiv.2601.22308,
title = {Stealthy Poisoning Attacks Bypass Defenses in Regression Settings},
author = {Javier Carnerero-Cano and Luis Muñoz-González and Phillippa Spencer and Emil C. Lupu},
journal= {arXiv preprint arXiv:2601.22308},
year = {2026}
}