arXiv cs.CR 预印本· Yuhong Wang·· 2 天前AI 评分62
GARD：面向多模态对比学习模型后门的梯度引导对抗表示防御
GARD: Gradient-Guided Adversarial Representation Defense against Backdoors in Multimodal Contrastive Learning Models
AI 导读
GARD 是一种无需知道攻击目标和触发器的后处理防御方法，用于修复被植入后门的多模态对比学习模型。该方法利用后门编码器的表示敏感性差异，优化全局与局部对抗探针以最大程度偏移干净图像表示，再将扰动后的表示与分离的干净锚点对齐，同时保持图文对齐，推理阶段不增加额外计算。在六种视觉后门攻击和两种 CLIP 视觉骨干的 12 组组合上，GARD 将攻击成功率降至 1% 以下，并保持有竞争力的干净准确率。
来源：arXiv cs.CR 预印本 · arxiv.org