PoisonEEG： 基于频率变换的EEG后门攻击新方法.pdfVIP

第3卷第4期智能安全Vol.3No.4

2024年12月ArtificialIntelligenceSecurityDec.2024.

doi:10.12407/j.issn.2097-2075.2024.04.029

PoisonEEG：基于频率变换的EEG后门攻击新方法

宋鑫浩，何德轩，刘轩豪，郑伟龙

1.上海交通大学计算机科学与工程系，上海200240

摘要：由于深度学习模型的巨大成功，基于脑电的脑机接口取得了广泛的应用。然而，深度学习模型容易受到后

门攻击，特别是在图像和自然语言领域，后门攻击已取得显著成果。然而，由于脑电数据的复杂性、不稳定性以及数据分

布的不均衡性，针对脑电数据设计隐秘而复杂的攻击仍然具有挑战性。现有的后门攻击方法存在一定限制，即需要参与

模型的训练阶段才能保持高隐蔽性。为了解决这些限制,本文提出了一种名为PoisonEEG的后门攻击方法