D-DAE: Defense-Penetrating Model Extraction Attacks.
本文提出了一种名为 D-DAE 的防御穿透式模型提取攻击框架,旨在突破基于扰动查询结果的模型提取防御。近年来研究表明,机器学习模型易受模型提取攻击:攻击者仅通过查询黑盒受害者模型,即可训练出一个性能接近的替代模型。为抵御此类攻击,防御方往往
共收录 2 条相关情报。
← 返回所有主题本文提出了一种名为 D-DAE 的防御穿透式模型提取攻击框架,旨在突破基于扰动查询结果的模型提取防御。近年来研究表明,机器学习模型易受模型提取攻击:攻击者仅通过查询黑盒受害者模型,即可训练出一个性能接近的替代模型。为抵御此类攻击,防御方往往
本文提出了一种密度感知的样本特定后门攻击方法(Density-aware Sample-specific Attack),旨在解决现有后门攻击在训练后防御(如微调、剪枝)下容易被擦除的问题。作者重新审视了后门攻击的核心目标,在受害者训练的贝