跑通代码Dual-Key

该文章介绍了一种针对视觉问答任务的双密钥多模态后门攻击方法。它涉及生成触发图片,将其添加到良性样本上,提取特征并保存,然后进行训练。研究中使用了`make_specs.py`工具生成实验规范文件,`orchestrator.py`协调执行实验。实验流程包括特征提取、数据集合成以及模型训练,涉及不同比例的中毒数据。同时,文章还涵盖了在干净和中毒数据上训练模型的过程,以评估模型的性能和鲁棒性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《Dual-Key Multimodal Backdoors for Visual Question Answering》

github链接


总概括:

  • 1.使用编码网络生成trigger图片
  • 2.将trigger添加到良性图片样本上
  • 3.提取图像特征后保存
  • 4.训练

f:feature

d:data 

  • make_specs.py 
    • 用于自动生成规范 .csv 文件的工具
    •     * __ALL__ 分叉当前规范并应用所有选项(仅适用于选择变量)
    •     * __SEQ__ 在选择之间进行迭代并按顺序分配(仅适用于选择变量)
    •     * __RAND__k 创建 k 个分支并为每个分支分配不同的随机值
  • orchestrator.py
    • Job orchestrator,用于从规范文件中运行实验或一组实验。
    • 通过在 --sf 标志后传递规范文件来指定作业。给定的文件可以包含特征规范、数据集规范或模型规范。如果给定了数据集或模型规范,orchestrator还将加载相应的特征和/或数据集作业进行运行或检查。
    • 默认情况下,orchestrator将加载并运行规范文件中所有行的所有作业。或者,您可以使用 --rows 或 --ids 标志指定要运行的作业子集。
    • --rows 设置可以以几种方式给出:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值