Trading Devil: 基于随机投资模型与贝叶斯方法的鲁棒后门攻击
密码学与安全
2025-04-28 v5 机器学习
计算金融
统计金融
机器学习
摘要
随着语音激活系统和语音识别技术的日益普及，针对音频数据的后门攻击风险显著增加。本研究着眼于一种特定类型的攻击，称为基于随机投资的后门攻击（MarketBack），其中对手策略性地操纵音频的风格属性以欺骗语音识别系统。后门攻击对机器学习模型的安全性和完整性构成严重威胁，为了维护音频应用和系统的可靠性，在音频数据背景下识别此类攻击变得至关重要。实验结果表明，当污染少于1%的训练数据时，MarketBack能够在七个受害者模型上实现平均攻击成功率接近100%。
引用
@article{arxiv.2406.10719,
title = {Trading Devil: Robust backdoor attack via Stochastic investment models and Bayesian approach},
author = {Orson Mengara},
journal= {arXiv preprint arXiv:2406.10719},
year = {2025}
}
备注
(Last update!, a constructive comment from arxiv led to this latest update ) Stochastic investment models and a Bayesian approach to better modeling of uncertainty : adversarial machine learning or Stochastic market. arXiv admin note: substantial text overlap with arXiv:2402.05967 (see this link to the paper by : Orson Mengara)