具有可见、语义、样本特定且兼容触发器的通用后门攻击

深度神经网络（DNN）在暴露于特定触发模式时可被操纵表现出特定行为，而不影响其在良性样本上的性能，这被称为后门攻击。目前，在物理场景中实施后门攻击仍面临重大挑战。物理攻击耗时费力，且触发器是以手动和启发式方式选择的。此外，由于数字攻击对视觉扭曲的敏感性以及现实世界中缺乏对应物，将其扩展到物理场景面临诸多挑战。为了应对这些挑战，我们定义了一种名为可见、语义、样本特定且兼容（VSSC）触发器的新型触发器，以同时实现有效、隐蔽和鲁棒，并且也可以使用相应物体在物理场景中有效部署。为了实现 VSSC 触发器，我们提出了一种由三个模块组成的自动化流水线：一个触发器选择模块，利用大语言模型系统地识别合适的触发器；一个触发器插入模块，采用生成模型将触发器无缝整合到图像中；以及一个质量评估模块，通过视觉-语言模型确保触发器自然且成功地插入。广泛的实验结果和分析验证了 VSSC 触发器的有效性、隐蔽性和鲁棒性。它不仅能在视觉扭曲下保持鲁棒性，还在物理场景中展现出强大的实用性。我们希望所提出的 VSSC 触发器和实现方法能为未来在后门攻击中设计更实用的触发器的研究提供启发。