基于 f-散度的后门投毒攻击认证鲁棒性框架

研究提出一种基于 f-散度的可组合认证框架，用于评估随机平滑对训练时数据投毒与后门攻击的鲁棒性。框架结合数据子采样及特征、标签和测试样本加噪，可表达多种攻击约束，并将已有认证方案作为特例涵盖。实验首次认证了 bagging 配合加性 Laplace、Gaussian 和 Uniform 噪声时，对一般 ℓ_p 约束投毒攻击的鲁棒性。