图像知识蒸馏中的后门攻击：数据集投毒可绕过干净教师模型

研究揭示图像知识蒸馏存在新安全漏洞：即使教师模型保持干净，投毒的蒸馏数据集仍可向学生学习后门。 攻击采用触发图像和对抗扰动，在10%投毒率下依然有效。学生模型在干净图像上保持竞争力的表现，但已被植入后门。 结果表明数据完整性是数据密集型知识蒸馏管道的安全边界，仅信任教师模型不足以防备此威胁。