一种基于奇异值能量截断的隐蔽后门攻击方法

一种基于奇异值能量截断的隐蔽后门攻击方法，先对干净图像进行奇异值分解，提取图像的内在特征并计算各特征的能量分布，再依每张图像能量分布特性设定截断阈值，精确截断其内在低能量特征，使特定噪声缺失形成独特模式，接着通过深度神经网络利用其敏感特征提取能力学习该模式并关联后门指令，最后输入含此模式图像作为后门触发器，触发隐蔽有效攻击，整个过程不注入外部特征或人工模式，仅靠智能筛选固有特征。本发明通过动态截断图像固有的低能量高频特征，避免引入外部触发模式，从根本上解决了隐蔽性与计算效率之间的矛盾。