T-Backdoor: Exploiting Temporal Redundancy in Neuromorphic Data for Spike-preserving Backdoor Attacks on SNNs
该论文聚焦脉冲神经网络（SNN）中的后门攻击这一相对薄弱的研究方向。SNN 与常规深度神经网络不同，其信息以离散脉冲的时序形式编码，因此攻击面不仅包含空间维度，还包含时间维度。作者指出，已有 SNN 后门工作大多依赖时空联合触发器，这类触发
#spiking-neural-networks
共收录 3 条相关情报。
← 返回所有主题MeMark: Membrane-Space Watermarking for Spiking Neural Networks
本文提出 MeMark，一种面向脉冲神经网络（SNN）模型水印的新方法，专门针对模型检查点复用（checkpoint-reuse）场景。现有 SNN 水印通常将标识嵌入输出层，攻击者只需替换输出头即可移除验证证据。MeMark 将多比特标识
SpikeTimer: Exploring Active Copyright Protection in Spiking Neural Networks via Temporal Backdoor Regularization
该论文提出了一种针对脉冲神经网络（SNN）的主动版权保护框架SpikeTimer。SNN在低功耗计算和事件驱动数据处理方面具有优势，但现有版权保护方法主要针对传统深度神经网络（DNN），难以直接迁移至SNN，因其具有复杂的时序编码和脉冲驱动