Data Poisoning

Data Poisoning: Manipolazione dei dati di training o apprendimento continuo per alterare intenzionalmente un modello. Gli attacchi possono ridurre prestazioni generali o attivare comportamenti con specifici trigger. Provenienza, validazione e controlli sugli accessi ai dataset sono contromisure centrali. Esempi di applicazione: Etichette alterate, Backdoor con trigger, Documenti malevoli in un corpus.