vault backup: 2024-10-16 16:24:36

content/post/模型后门攻击论文阅读.md

@@ -85,3 +85,5 @@ Dehydra攻击框架主要包含两个阶段：水印恢复和水印忘却。在
 
 本文提出的Dehydra方法在水印移除领域具有创新性，特别是在减少对数据依赖和提高攻击有效性方面。然而，该方法也有一些局限性。首先，Dehydra主要针对图像分类任务，对于其他类型的DNN模型，如自然语言处理模型，其有效性尚未得到验证。其次，Dehydra的攻击效果可能受到模型结构和水印算法设计的影响，对于某些特定的水印算法，可能需要进一步调整攻击策略。未来的工作可以探索Dehydra在其他任务和模型上的应用，并研究如何提高其对不同水印算法的适应性。此外，研究者们还可以探索如何结合Dehydra与其他攻击方法，以实现更全面的水印防御策略。
 
+## ECCV'24 Revocable Backdoor for Deep Model Trading
+##