跳到正文
arXiv · ML· Arnab Dey, Mohammad Mahfuzul Islam·· 2026-10-12AI 评分22

标签后门审计:重训练优于检测分数

Space Over Statistic, Retraining Over Ranking: Auditing Training Labels Under Label-Only Backdoors

AI 导读

FLIP 攻击通过翻转 CIFAR-10 中 3% 标签,致使 ResNet-32 99.7% 触发样本误判。 研究通过改变特征空间重训练评估防御:冻结 DINOv2 特征下原型审计删除 6% 样本即降低攻击成功率,优于 SPECTRE 删除 20%。 更高的检测 AUROC 不保证模型更安全,部分检测分数更高的方法反而留下 2.6 倍的攻击成功率。

来源:arXiv · ML · arxiv.org