使用中毒教师进行无数据蒸馏的后门防御

在数据免费蒸馏过程中，面对被污染的教师模型发起的后门攻击，Backdoor Defense for Data-Free Distillation with Poisoned Teachers任务旨在通过检测和缓解技术，确保学生模型不会继承这些恶意行为。该任务的目标是提高模型的安全性和鲁棒性，防止潜在的隐私泄露和安全威胁，从而保障机器学习系统的可信度和可靠性。