SkipSponge攻击：深度神经网络的海绵权重中毒
密码学与安全
2025-09-25 v5 机器学习
摘要
海绵攻击旨在增加神经网络的能耗和计算时间。在本工作中，我们提出了一种名为SkipSponge的新型海绵攻击。SkipSponge是首个仅使用少量数据样本直接对预训练模型参数进行操作的海绵攻击。我们的实验表明，SkipSponge能成功增加图像分类模型、GAN和自编码器的能耗，且所需样本数少于最先进的海绵攻击（Sponge Poisoning）。我们证明，若不针对防御SkipSponge进行专门调整（即降低目标层偏置值），中毒防御将无效；且在GAN和自编码器上，SkipSponge比Sponge Poisoning更有效。此外，SkipSponge具有隐蔽性，因为它不需要对受害模型的参数进行显著修改。我们的实验表明，即使攻击者只能获取不到整个训练数据集1%的数据，SkipSponge依然可以实施，并实现高达13%的能耗增加。
引用
@article{arxiv.2402.06357,
title = {The SkipSponge Attack: Sponge Weight Poisoning of Deep Neural Networks},
author = {Jona te Lintelo and Stefanos Koffas and Stjepan Picek},
journal= {arXiv preprint arXiv:2402.06357},
year = {2025}
}