Pervasive backdoors are triggered by dynamic and pervasive input perturbations. They can be intentionally injected by attackers or naturally exist in normally trained models. They have a different nature from the traditional static and localized backdoors that can be triggered by perturbing a small input area with some fixed pattern, e.g., a patch with solid color. Existing defense techniques are highly effective for traditional backdoors. However, they may not work well for pervasive backdoors, especially regarding backdoor removal and model hardening. In this paper, we propose a novel model hardening technique against pervasive backdoors, including both natural and injected backdoors. We develop a general pervasive attack based on an encoder-decoder architecture enhanced with a special transformation layer. The attack can model a wide range of existing pervasive backdoor attacks and quantify them by class distances. As such, using the samples derived from our attack in adversarial training can harden a model against these backdoor vulnerabilities. Our evaluation on 9 datasets with 15 model structures shows that our technique can enlarge class distances by 59.65% on average with less than 1% accuracy degradation and no robustness loss, outperforming five hardening techniques such as adversarial training, universal adversarial training, MOTH, etc. It can reduce the attack success rate of six pervasive backdoor attacks from 99.06% to 1.94%, surpassing seven state-of-the-art backdoor removal techniques.
翻译:渗透式后门是动态和普遍输入干扰引发的。 攻击者可以故意地注射, 或者自然地存在于通常经过训练的模型中。 它们的性质不同于传统的静态和局部的后门, 以某些固定模式, 例如固色的修饰方式, 扰动一个小输入区, 从而触发了固定的后门。 现有的防御技术对传统的后门非常有效 。 但是, 它们对于普遍的后门可能不太有效, 特别是在后门清除和模型变硬方面。 在本文中, 我们提议了一种新型的强化技术, 对付普遍的后门, 包括自然和注射的后门。 我们开发了一种基于以特殊变异层强化的编码器- 解码器结构的普遍攻击。 攻击可以模拟一系列现有的普遍的后门攻击, 并且用阶级距离来量化这些攻击。 因此, 使用从我们攻击后门后门的样本, 能够使一个模式中的这些弱点更硬的模型。 我们对有15个模式结构的9个数据集的评估显示, 我们的技术可以将教室的距离平均扩大59. 65 %, 而不是精确性攻击的精确度, 摩托式攻击率 。 1.94 和没有激烈的反向后门级训练率 。 成功率 。 成功率的技巧可以减少六级的技巧, 击退的技巧可以使这种技术,, 的技巧可以使这种技术从一个精确性攻击的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 性攻击率 性攻击率性攻击率 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的