提出后门投毒认证鲁棒性框架

Evan Rose 和 Alina Oprea 提出了一种基于 f-散度的可组合认证框架，用于评估随机平滑应对训练阶段数据投毒和后门攻击的鲁棒性；实验中，他们认证了 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。 该框架结合数据子采样，以及对特征、标签和测试样本加噪，可表达被篡改训练样本数量、特征与标签扰动幅度及测试时扰动等约束，并将已有认证方案涵盖为特例。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。