面向多模态预训练模型的可调文本引导后门攻击（自然词触发）
Adjustable Text-Guided Backdoor Attacks with Natural-Word Triggers on Multimodal Pretrained Models
AI 导读
研究者提出一种名为 TGB 的可调文本引导后门攻击，利用可在普通文本中自然出现的词作为触发词，无需在推理时显式插入触发条件。该方法在投毒样本上加入视觉对抗扰动，以调节模型对自然词触发词的学习，从而在不修改投毒数据的情况下调整攻击强度。作者在基于多模态预训练模型的下游任务 Composed Image Retrieval（CIR）和 Visual Question Answering（VQA）上实验，称 TGB 在不同投毒设置下有效，并能灵活调整攻击成功率。