相关实验视频
Updated: Jul 24, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
深度神经网络的后门攻击由故障注入引发 图像传感器接口的攻击
Tatsuya Oyama1, Shunsuke Okura2, Kota Yoshida2
1Graduate School of Science and Engineering, Ritsumeikan University, 1-1-1 Noji-higashi, Kusatsu 525-8577, Shiga, Japan.
Sensors (Basel, Switzerland)
|July 11, 2023
概括
本研究引入了一种新的方法,用于对深度神经网络 (DNN) 的后门攻击,使用移动行业处理器接口 (MIPI) 的故障注入. 这种技术增强了对抗性标记生成,使得DNN后门攻击更加稳定和成功.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 后门攻击诱导使用对抗标记的深度神经网络 (DNN) 错误分类.
- 创建对抗标记的传统方法由于射击环境的变化而不稳定.
研究的目的:
- 提出一种稳定的方法,用于为后门攻击生成对抗性标记.
- 调查移动行业处理器接口 (MIPI) 对后门攻击的故障注入的有效性.
主要方法:
- 开发了一个图像改模型,通过MIPI上的故障注入来生成对抗性标记.
- 训练了一个后门模型,使用模拟模型生成的毒素数据图像.
- 在训练好的DNN模型上进行后门攻击实验.
主要成果:
- 后门模型在正常运行中实现了91%的清洁数据准确性.
- 错误注入后门攻击实现了83%的成功率.
- 拟议的方法证明了对后门攻击的稳定和有效方法.
结论:
- 在MIPI上注入故障为生成对抗标记提供了稳定有效的方法.
- 这种技术显著提高了对DNN的后门攻击的成功率.
- 这些发现突出了与图像传感器接口相关的DNN漏洞.
