本文提出将剪枝和微调结合的防御方法，消除模型中的后门。将剪枝防御和精细调整防御的益处相结合，剪枝防御移除后门神经元，并且微调恢复（或至少部分地恢复）由修剪引入的干净输入上的分类准确度的下降。"Liu, Kang, Brendan Dolan-Gavitt, and Siddharth Garg. "Fine-pruning: Defending against backdooring attacks on deep neural networks." Research in Attacks, Intrusions, and Defenses: 21st International Symposium, RAID 2018, Heraklion, Crete, Greece, September 10-12, 2018, Proceedings 21. Springer International Publishing, 2018."
本文的优点在于结合了两种防御方法的优点进行防御。
本文的缺点在于微调并不总是有效，因为神经网络的后门节点在干净样本上触发不了。
2023年6月27日
标签：剪枝,RAID,邹昱夫,Neural,2018,Defending,Fine,防御 From： https://www.cnblogs.com/FBprivacy/p/17509905.html