arXiv · 机器人与计算机视觉· Arnab Dey, Mohammad Mahfuzul Islam·· 2026-10-12AI 评分48
空间优于统计:在仅标签后门下审计训练标签
Space Over Statistic, Retraining Over Ranking: Auditing Training Labels Under Label-Only Backdoors
AI 导读
研究揭示图像分类中的 FLIP 攻击仅需翻转 3% 标签即可让 ResNet-32 模型以 99.7% 准确率触发后门。实验表明,在冻结的 DINOv2 特征空间上检测 AUROC 达 0.967,显著优于基于 poisoned 特征的 0.546。审计结果警告高检测分未必代表更安全,建议检查未学习标签的特征空间并依据重训练模型而非检测分数评估防御效果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org