arXiv ID:
2607.05748
arXiv 提交日期: 2026-07-07
一枚硬币的两面:学习后门以移除后门 / Two Sides of the Same Coin: Learning the Backdoor to Remove the Backdoor
1️⃣ 一句话总结
本文提出一种名为HARVEY的新型防御方法,通过主动学习并识别模型中的后门样本(即被恶意修改的数据),而不是像以往方法那样试图识别正常样本,从而更准确、更彻底地清除后门攻击,且几乎不损害模型在正常任务上的表现。