文档摘要

4.1 数据投毒与模型窃取 本节摘要：训练阶段的攻击有两种截然不同的目标：数据投毒（Data Poisoning）是想让模型"学到错误的东西"，模型窃取（Model Extraction）是想"把模型本身偷走"。前者通过污染训练数据，把恶意关联悄悄写进模型权重；后者通过反复调用黑盒接口，用查询-应答的方式逼近目标模型的决策边界，甚至复刻出一个功能近似的替身模型。 会员。《4.1 数据投毒与模型窃取》收录于灏天文库文集《AI安全与对抗机器学习》，原作者/来源：灏天文库，整理自「灏天文库」，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。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/649-ai%E5%AE%89%E5%85%A8%E4%B8%8E%E5%AF%B9%E6%8A%97%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流