通过去混杂表征学习进行后门防御

基于摘要分析。本文研究图像分类中的后门防御：在训练数据含少量投毒样本时，能否直接训练出不含后门的模型，而非先检测和移除已训练模型中的后门。作者提出 Causality-inspired Backdoor Defense（CBD），通过分离后门相关混杂表征与期望的分类表征，降低投毒数据造成的伪关联。 机制上，作者首先用因果图描述投毒数据的生成过程，将后门攻击建模为混杂因素。CBD 有意训练一个后门模型以捕捉混杂效应，再训练另一个模型，通过最小化其表征与后门模型混杂表征之间的互信息，并结合逐样本重加权，学习作者所称的去混杂表征。摘要未给出互信息估计方法、重加权公式及具体训练流程，这些实现条件尚未验证；因果解释是否充分也需结合正文假设核对。 作者报告，在多个基准数据集、针对 6 种被作者称为当前先进的攻击方法的实验中，CBD 能降低后门威胁，同时维持良性样本的较高分类准确率，并可抵抗所考察的潜在自适应攻击。摘要未提供数据集名称、投毒比例、攻击成功率、分类 Accuracy 数值或具体对照配置，实验协议、消融及统计信息尚未验证。材料提供了代码链接，但代码内容与复现条件尚未核验。 平台推测（待验证）：该机制可能对应 EEG 分类训练集受到触发器投毒时，模型依赖触发器而非任务相关信号的问题；它不是已验证的 BCI 方法。可考虑复用双模型、互信息约束和样本重加权思路，但需将图像编码器及投毒设定改为适合多通道 EEG 的版本。关键假设是后门模型能相对独立地捕捉触发器特征；低信噪比、通道差异、跨被试变异与小样本可能使其同时编码真实任务信息，导致去混杂约束损害分类。一个可证伪的小实验是在固定被试内划分与投毒比例下，对比常规训练与 CBD，并分别移除互信息约束、重加权模块，同时评估攻击成功率与干净测试集 Accuracy。已有 EEG 相关工作尚未检索确认。