事件历史事件
HBDCC：针对深度对比聚类的隐藏后门攻击
先了解这件事
AI 综述
研究者提出针对深度对比聚类的隐藏后门攻击 HBDCC：投毒少量无标注训练样本使模型在干净数据上聚类正常，推理遇触发器才严重扭曲聚类结果。隐藏指触发器与簇的关联在干净输入上休眠、仅推理时激活，而非视觉不可察觉；攻击利用对比聚类结构弱点，触发器在跨视图实例级对齐中被反复强化，并由簇级一致性目标巩固。
AI 根据报道生成 · 17 天前更新
走势与进展
每小时关注度
现在 27，24 小时 0%·峰值 27（11月6日 04:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 27
相关研究
这件事的论文
- 针对深度对比聚类的隐藏后门攻击 HBDCC
arXiv · 2026-10-23 · 深度解读
后续时间线
10月23日
- arXiv：对抗攻击、后门与投毒针对深度对比聚类的隐藏后门攻击 HBDCC
研究者提出针对深度对比聚类的隐藏后门攻击 HBDCC，投毒少量无标注训练样本即可让模型在干净数据上保持正常聚类行为，推理时遇到触发器才产生严重扭曲的聚类结果。这里的隐藏指触发器与簇的关联在干净输入上行为休眠、仅在推理时激活，而非触发器视觉上不可察觉。攻击利用对比聚类的固有结构弱点，增强持久的触发器可在不同视图的实例级对齐中被反复强化，并进一步被簇级一致性目标巩固。论文在 ImageNet-10、ImageNet-Dogs 和 STL-10 上结合代表性对比聚类框架评估，触发样本的聚类性能显著下降且程度因数据集而异，同时保持足够的干净数据效用以规避标准评估协议；论文还给出后门植入机制的双层分析，并研究了投毒比例、攻击范围、触发器类型、触发器大小以及一种基于知识蒸馏的轻量缓解策略。