文本后门攻击与防御综述

来源：计算机研究与发展杂志2024年第1期北京时间：

作者：郑明钰,林政,刘正宵,付鹏,王伟平,

摘要：深度神经网络的安全性和鲁棒性是深度学习领域的研究热点.以往工作主要从对抗攻击角度揭示神经网络的脆弱性，即通过构建对抗样本来破坏模型性能并探究如何进行防御.但随着预训练模型的广泛应用，出现了一种针对神经网络尤其是预训练模型的新型攻击方式——后门攻击.后门攻击向神经网络注入隐藏的后门，使其在处理包含触发器（攻击者预先定义的图案或文本等）的带毒样本时会产生攻击者指定的输出.目前文本领域已有大量对抗攻击与防御的研究，但对后门攻击与防御的研究尚不充分，缺乏系统性的综述.全面介绍文本领域后门攻击和防御技术.首先，介绍文本领域后门攻击基本流程，并从不同角度对文本领域后门攻击和防御方法进行分类，介绍代表性工作并分析其优缺点；之后，列举常用数据集以及评价指标，将后门攻击与对抗攻击、数据投毒2种相关安全威胁进行比较；最后，讨论文本领域后门攻击和防御面临的挑战，展望该新兴领域的未来研究方向.

关键词：后门攻击, 后门防御, 自然语言处理, 预训练模型, AI安全,