基于样本分布特征的数据投毒防御

摘要： 流量分类模型在更新过程中易受数据污染的干扰而降低模型性能，现有基于数据清洗的防御方法需依赖专家经验和人工筛选，且无法有效应对利用未知分布样本构造的投毒攻击。针对上述问题，受分布外检测和判别主动学习的启发，设计一种基于样本分布特征的数据投毒防御方法，通过二分类判别器筛选每轮新增样本中的已知及未知分布样本。对于新增的已知分布样本，通过模型预测与标注结果一致率评估新增样本的数据质量，... （共6页）