文档摘要

4.1.1 数据投毒防御 4.1.1 数据投毒防御：从训练数据中揪出“内鬼”——基于统计异常检测的样本清洗实战 在机器学习模型的生命周期中，训练阶段往往被视为最“安全”的环节。毕竟，此时我们尚未将模型部署到线上，也未暴露于对抗性攻击之下。然而，正是这种“安全错觉”，让许多团队忽视了潜藏在训练数据中的致命威胁——数据投毒（Data Poisoning）。它不像推理阶段的对抗样本那样张扬，却如慢性毒药般悄然侵蚀模型的根基。 会员。《4.1.1 数据投毒防御》收录于灏天文库文集《AI安全与对抗机器学习》，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。文档编号30122。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---