BadSR：面向图像超分辨率的隐形标签后门攻击

随着超分辨率 (SR) 在各领域的广泛应用，研究者开始关注其安全问题。先前研究表明，SR 模型也可能通过数据投毒受制于后门攻击，从而影响下游任务。后门 SR 模型会在给定触发图像时生成攻击者预定义的目标图像，而对干净图像则正常输出高分辨率 (HR) 结果。然而，现有针对 SR 模型的后门攻击主要关注受感染的低分辨率 (LR) 图像的隐形性，而忽略了受感染 HR 图像的隐形性，这使得用户容易检测到异常数据。为此，我们提出 BadSR，提高受感染 HR 图像的隐形性。BadSR 的关键思想是近似地将干净 HR 图像和预定义目标图像置于特征空间中，同时确保对干净 HR 图像的修改保持在受限范围内。BadSR 生成的受感染 HR 图像可与现有触发器集成。为进一步提升 BadSR 的有效性，我们设计了一个对抗优化触发器和基于遗传算法的后门梯度驱动受感染样本选择方法。实验结果表明，BadSR 在各种模型和数据集上实现高攻击成功率，显著影响下游任务。