BadSNN: Spike神経ネットワークに対するバックドア攻撃

スティップノイマルネットワーク (SNNs) は、ディープ neural ネットワーケン (DNNs) のエネルギー効率的な相手で、情報伝播が時による Spike パターンに基づいたため、生物的の可能性が高いです。 SNN のコア要素は Spike オンスティックニューロン、トレーニングされたデータを Spiking ネーチャルモデル LIF に送ることができます。このモデルにはメモリーパティブレート テンソルと膜の時間 機番があり、そのいずれもは重要です。 DNNs および SNNs のトレーン イング データセットに対して悪意のあるコマンチウスを導入してモデルを攻撃者設定のための行動を制御するための背後からの攻撃が検証されていることは、DNNs と同様に証明されています。その一方で、SNN ネットワーク特有の性質に対してもバックドア攻撃が exploitable となる方法はまだ調査していません。今回この記事で提案したのが「BadSNN」です。これは Spike ノウンハイパーパラメーターの変動を使用するために攻撃者にバックドアの行動を注入する新たな背後からのテクニックであり、これを実行するプロセスはトリガー最適化プロセスで、攻撃性能を向上させることが出来つつ、トリガパターンがあたかも見えることを避けることもできます。 BadSNN 様々なデータストアードと構造に対して優れたのテクスチュアル性能が見られ、また既に最高峰の侵害データのバックドア攻撃とともに相対的に攻撃性を示しています。さらにバックドアの対策についても耐難もあります。ソースコードは https://github.com/SiSL-URI/BadSNN でアクセスできます。

arXiv:2602.07200v1 Announce Type: cross Abstract: Spiking Neural Networks (SNNs) are energy-efficient counterparts of Deep Neural Networks (DNNs) with high biological plausibility, as information is transmitted through temporal spiking patterns. The core element of an SNN is the spiking neuron, which converts input data into spikes following the Leaky Integrate-and-Fire (LIF) neuron model. This model includes several important hyperparameters, such as the membrane potential threshold and membrane time constant. Both the DNNs and SNNs have proven to be exploitable by backdoor attacks, where an adversary can poison the training dataset with malicious triggers and force the model to behave in an attacker-defined manner. Yet, how an adversary can exploit the unique characteristics of SNNs for backdoor attacks remains underexplored. In this paper, we propose \textit{BadSNN}, a novel backdoor attack on spiking neural networks that exploits hyperparameter variations of spiking neurons to inject backdoor behavior into the model. We further propose a trigger optimization process to achieve better attack performance while making trigger patterns less perceptible. \textit{BadSNN} demonstrates superior attack performance on various datasets and architectures, as well as compared with state-of-the-art data poisoning-based backdoor attacks and robustness against common backdoor mitigation techniques. Codes can be found at https://github.com/SiSL-URI/BadSNN.