后门攻击

后门攻击是指恶意构造的数据被注入训练集中，使得训练后的模型在测试时对带有后门触发器的输入进行错误分类，将其识别为目标类别。这种攻击的目标是通过隐蔽的方式操纵模型的预测结果，具有重要的研究价值和实际应用意义，尤其是在计算机视觉领域中，能够评估和提升模型的安全性和鲁棒性。