跳到正文
10月9日 · 周五

全部论文

找到 1 篇
筛选2

攻击类型

投毒与后门1

影响

数据与隐私泄露1输出被操纵1可用性与可靠性1

系统形态

模型与 API1

攻击面/入口

用户输入4网页与界面4文档与消息4工具返回2工具与技能描述1检索语料4记忆写入1图像与音视频2训练数据1分发渠道1

层

训练与数据层1

被测模型厂商

其他1
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 648 篇还没打标签，不在筛选结果里。
影响：输出被操纵攻击面/入口：训练数据清除全部

另有 648 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 评测与基准arXiv 2609.10952

    监督学习中的数据投毒攻击实证评估：标签翻转与后门投毒在 MNIST 和 Fashion-MNIST 上的对比

    比较标签翻转与后门投毒对图像分类器的影响

    arXiv
    2609.10952
    发表
    层
    训练与数据层
    场景
    模型与 API
    测试
    Logistic Regression、Linear SVM、Random Forest
    摘要标签翻转更能拉低线性模型。

    Khan 与 Abusaqer 在两个图像分类基准上比较了两种训练时投毒。

    深度解读完整解读
已经到底了