poisoning（投毒攻击）

投毒攻击分为数据投毒和模型投毒，数据投毒在训练阶段混入污染样本，模型投毒直接篡改模型参数。后门攻击是常见形式，攻击者将触发器与目标标签关联，模型在正常输入上表现正常，但遇到触发器时输出攻击者指定结果。防御方法包括数据清洗、鲁棒训练和差分隐私。该领域对自动驾驶、医疗诊断等安全敏感应用至关重要。