A4O-攻击：针对单个样本的后门攻击的所有触发条件

《IEEE Access》：A4O-Attack: All Triggers For One Sample Backdoor Attacks

　　

摘要：

后门攻击是对深度神经网络构成的重大威胁。然而，目前研究的大多数攻击都只使用一种触发机制，因为现有的后门防御方法往往假设触发因素会以统一的方式出现。在本文中，我们指出这种简单的假设可能会留下漏洞，让更复杂的后门攻击得以突破。我们设计了一种新的后门攻击机制，该机制结合了多种类型的触发因素，注重隐蔽性和攻击效果。我们的研究始于这样一个有趣的观察：在深度学习模型中，后门攻击的性能、其可检测性以及可清除性都与触发因素的强度成正比。基于这一关联，我们提出降低每种触发因素的强度，并将它们结合起来，从而形成一种强大的后门攻击，同时还能避免被防御者发现。在三个标准数据集上的大量实验表明，我们的方法能够实现较高的攻击成功率，并且能够在不损害模型性能的前提下绕过最先进的防御措施——要么防御措施无法清除后门，要么只能通过严重破坏受保护模型的准确率来清除它。