Data Availability Attack（数据可用性攻击）

数据可用性攻击（Data Availability Attack）是指攻击者通过操纵训练数据的可用性来破坏机器学习模型的行为。这类攻击包括数据投毒（注入恶意样本）、数据删除（移除关键样本）或数据阻断（阻止数据访问），导致模型性能下降或产生特定错误。背景是随着机器学习系统依赖大规模外部数据，数据供应链的安全性变得至关重要。技术说明涉及攻击向量（如标签翻转、后门攻击）和防御策略（如鲁棒训练、数据验证）。典型应用场景包括联邦学习、众包平台和在线学习系统。