A Novel Semi-Supervised Adversarially Learned Meta-Classifier for Detecting Neural Trojan Attacks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Deep neural networks (DNNs) are highly vulnerable to neural Trojan attacks. To carry out such an attack, an adversary retrains a DNN with poisoned data or modifies its parameters to produce incorrect output. These attacks can remain unnoticed until triggered by a specific pattern in the input, making detection challenging. In this article, we propose a novel semi-supervised adversarially learned meta-classifier (SESALME) to detect if a target model has been trojaned. Unlike previous Trojan detection methods, SESALME assumes that the defender has no knowledge of the attack mechanisms, and no access to training data, poisoned data, or parameters/layers of a target model. In the absence of poisoned data and knowledge of the attack mechanisms, we use a set of shadow models to emulate normal behavior of the target model. Having learned the normal behavior of the target model, SESALME then uses one-class learning, implemented within a semi-supervised generative adversarial network (GAN), to detect abnormal behavior of a model to be investigated, if any. Behavior that deviates from the learned normal behavior indicates a high likelihood that the model is trojaned. We compare the performance of SESALME with that of state-of-the-art neural Trojan detectors using popular datasets such as MNIST, CIFAR-10, and SC. Experimental results show that SESALME outperforms state-of-the-art Trojan detection methods in terms of detection performance and inference time in almost all cases, while being attack-agnostic and requiring no access to training data, poisoned data, or parameters of the target model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle