English(EN) Checkerboard: A Simple, Effective, Efficient and Learning-free Clean Label Backdoor Attack with Low Poisoning Budget

Checkerboard攻击为深度学习模型提供高效、无需学习的后门

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一种名为Checkerboard的新方法，用于对深度学习模型发起干净标签后门攻击。这种无需学习的技术使用源自线性可分性的闭式棋盘触发器，无需复杂的训练或优化。Checkerboard在CIFAR-10和ImageNet-100等基准数据集上表现出高效率和高效果，即使在中毒预算非常低的情况下，也能抵御先进的防御措施。 AI

影响引入了一种新的、高效的后门攻击方法，可能对已部署的深度学习模型的安全性构成挑战。

排序理由这是一篇详细介绍深度学习模型新型攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Yi Yang, Jinyang Huang, Binbin Liu, Feng-Qi Cui, Xiaokang Zhou, Zhi Liu, Jie Zhang, Meng Li · 2026-05-05 04:00

Checkerboard: A Simple, Effective, Efficient and Learning-free Clean Label Backdoor Attack with Low Poisoning Budget

arXiv:2605.01298v1 Announce Type: cross Abstract: Backdoor attacks threaten the deep learning supply chain by poisoning a small fraction of the training data so that a model behaves normally on clean inputs but misclassifies trigger-carrying inputs to an attacker-chosen target cl…

报道来源 [1]

Checkerboard: A Simple, Effective, Efficient and Learning-free Clean Label Backdoor Attack with Low Poisoning Budget

相关实体

相关话题