深度分析
DFBScanner：以最終分類層靜態參數分析進行快速後門偵測
隨著深度模型被植入後門威脅增加，研究提出只檢查最終分類層參數的快速檢測法。DFBScanner以多維異常指標組成木馬線索並計算相似度以判定後門。該法在大型基準展現高偵測率且平均僅需1ms。它無需測試資料也不用GPU,可在模型分享平台與邊緣設備做大規模審計。
深度分析
隨著深度模型被植入後門威脅增加，研究提出只檢查最終分類層參數的快速檢測法。DFBScanner以多維異常指標組成木馬線索並計算相似度以判定後門。該法在大型基準展現高偵測率且平均僅需1ms。它無需測試資料也不用GPU,可在模型分享平台與邊緣設備做大規模審計。
深度分析
隨著深度模型被廣泛部署，後門攻擊成為安全隱憂。研究提出結合心理測量與模型逆向投射的偵測與自動卸載框架，透過人工心像生成與貝氏推論估計感染機率，並以自學與卸載機制自動剔除觸發模式。實驗顯示在 MNIST 與 CIFAR 上可降低超過四成的歧視指標，同時維持模型準確度。