介绍
这次介绍的是一篇来自于EuroS&P-2020的文章，"Bypassing Backdoor Detection Algorithms in Deep Learning"
作者中有比较著名的大佬Reza Shokri。该工作主要针对Wang等人提出来的Neural Cleanse。
关于后门攻击，您可以参考我这篇文章。
关于Neural Cleanse，您可以参考我这篇文章。
开门见山
该工作主要是提出一种攻击，用来躲避后门检测的，针对Wang等人提出来的神经元裁剪方法，给出了一种攻击策略。
在先前的工作中，人们发现在正常样本的输入以及带有后门样本的输入下，神经元的表现是有差异的。根据这些差异，提出了一些基于神经元裁剪的策略来对后门攻击进行防御。
这篇工作的主要核心在于，去尽可能地使得后门样本和正常样本的差异变小。
如下图所示：
arch
攻击者会训练一个判别器，去判别中间的特征表示是否来自于后门样本。
通过这种对抗性的设置，实现后门样本和正常样本的表现趋于一致，进而躲避掉防御。
误差的设置
最为核心的形式为两个部分组成，可以写成：
其中 是输入， 是标签， 是网络的参数， 是关于 的类别预测输出， 是 的隐式表示 (或者称之为中间特征表示)， 是一个惩罚项，该惩罚项用来迫使模型对于正常样本和后门样本所表现差异变小。
我们的目标其实是，最小化正常样本和后门样本的神经元激活值，即：
其中 代表着正常样本的第 个神经元的激活值， 代表着后门样本的第 个神经元的激活值。
注意到一个简单的不等式
满足 ，即我们只需要将神经元的激活值进行缩放即可，也就是我们的目标就是使得目标神经元的输出为原来的 倍。
因此，我们的误差可以重新写成：
其中 是比例系数， 是新模型的参数， 是原有的后门模型的参数。
其中 是指后门样本下表现有差异性的神经元的集合。
文章的实际误差设置
其中 就是拿中间特征去判别是不是来自于后门向量 (即判别器会输出0到1的一个概率)
是标识着输入是否是带后门样本，是ground truth。
不得不吐槽，这里花了一大段进行形式化，但是实际用的loss却变成了判别器的交叉熵误差，也就是
实验评估
Attack Performance
如上图所示，可以看到在裁剪比率很大的时候，攻击的仍然能够保持足够高的成功率。
网友评论