变攻击为去偏置
利用后门攻击消除训练数据偏置，与欠采样相比能更有效地改善模型性能。
吴尚锡 · Qiuyang, He · Yi, Zhang · 路冬媛 · 桑基韬
Information Sciences 2023
与欠采样相比，后门攻击通过构建伪样本调整分类边界，去偏置效果更好。
通过伪删除机制解释后门攻击导致的Clean Accuracy Drop，从而在不增加真实样本的情况下优化模型。
将后门攻击从安全威胁转变为提升模型性能的工具，拓展了其应用场景。