深度學習模型的延遲後門功能攻擊

本文提出了一種針對深度學習模型的新型攻擊策略：延遲後門功能激活 (DBFA)。與傳統後門攻擊不同，DBFA攻擊在模型部署初期不會觸發惡意行為，而是在模型經過後續更新（例如使用良性數據進行微調）後才會被激活，從而繞過現有的檢測和防禦機制。