網路規模資料集投毒:分歧視角攻擊
近年許多大規模資料集的發布方式,是給出一份網址清單,每個網址指向一筆資料。研究人員指出,這類資料集很多都擋不住所謂的「分歧視角(split-view)」投毒攻擊。這個攻擊利用的是一個時間差:當初蒐集資料集時看到的內容,和使用者後來下載來訓練時看到的內容,可能已經不一樣。研究人員找出那些曾經託管過資料集內容、但如今已到期而且可以買下來的網域,因此有辦法把資料集的一部分換成投毒後的資料。他們示範了在 10 個熱門的網路規模資料集中,可買到的網域數量都足以成功發動投毒攻擊。
關聯理由: 公開的資料集 URL 清單明確指出後續會下載哪些影像來源。研究者接手清單內的過期網域後,就能替換後續下載者取得的樣本,破壞原始蒐集與日後下載之間的資料完整性。研究沒有對公開下載投毒;模型影響是在本機替換影像、重新訓練 CLIP 後驗證的。
重新購買資料集 URL 的過期網域,改變之後下載的訓練資料。