后门攻击

后门攻击通常通过污染训练数据或篡改训练过程，让模型在正常样本上表现正常，但遇到含特定触发器（如特殊像素、词元）的输入时输出指定结果。它隐蔽性强、检测困难，对数据外包与预训练模型供应链构成威胁。防御手段包括数据清洗、触发器逆向、模型剪枝与差分隐私等，是 AI 安全领域的重要研究方向。