STL10后门投毒数据

本数据集基于STL-10图像识别任务，采用CleanLabelBackdoor算法生成后门样本，并在ResNet-18模型上进行实验训练，得到原始模型数据。数据目录下包含500条后门投毒样本，每个样本对应三种数据类型：干净样本、投毒样本和后门特征，总计1500条PNG格式数据，并用index进行序号标记，同时通过[clean,poisoned,backdoor]进行数据类型区分。在此基础上，本项目自研并实验验证了八种及以上鲁棒性训练方法，以确保模型在攻击环境下的稳定性和适应性。

搜集汇总

背景与挑战

背景概述

该数据集基于STL-10图像识别任务，采用CleanLabelBackdoor算法生成后门样本，包含500条后门投毒样本，每个样本对应干净样本、投毒样本和后门特征三种数据类型，总计1500条PNG格式数据。数据集在ResNet-18模型上进行了实验，并验证了多种鲁棒性训练方法，以提升模型在攻击环境下的稳定性和适应性。