<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>AI Security on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/ai-security/</link><description>Recent content in AI Security on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/ai-security/index.xml" rel="self" type="application/rss+xml"/><item><title>后门攻击</title><link>https://terms-en.ai-term-hub.com/zh/terms/backdoor_attack/</link><pubDate>Sat, 18 Jul 2026 11:38:27 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/backdoor_attack/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签，&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一种安全威胁，恶意行为者在训练期间将隐藏触发器嵌入 AI 模型，导致特定错误分类。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>数据投毒&lt;/li>
&lt;li>模型完整性&lt;/li>
&lt;li>对抗性机器学习&lt;/li>
&lt;li>触发模式&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>ML 流水线的安全测试&lt;/li>
&lt;li>开发防御过滤器&lt;/li>
&lt;li>审计第三方模型&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/adversarial-examples-%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC/">Adversarial Examples (对抗样本)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/data-poisoning-%E6%95%B0%E6%8D%AE%E6%8A%95%E6%AF%92/">Data Poisoning (数据投毒)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/model-robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">Model Robustness (模型鲁棒性)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/clean-label-attacks-%E5%B9%B2%E5%87%80%E6%A0%87%E7%AD%BE%E6%94%BB%E5%87%BB/">Clean Label Attacks (干净标签攻击)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>