2026 年 6 月 22 日，CSA 工业互联网安全研究团队组会召开，会议由国际联合实验室博士生赵可景主持。本次组会主题是工业物联网中小规模后门攻击的精准防御方法相关研究探讨。

       河南科技大学硕士研究生刘文凯汇报了论文《Precise defense approach against small-scale backdoor attacks in industrial Internet of Things》，该论文针对工业物联网深度学习模型面临的微型后门攻击难题，设计检测 - 剪枝 - 恢复一体化防御框架。研究结合 L1+L2 双正则化实现微型触发器精准定位，依托显著性图完成触发器冗余特征与噪声剪枝，再融合 Mixup 与 CutMix 数据增强、反学习策略修复受污染模型。研究证实传统图像域后门防御方案迁移**工业时序数据后性能大幅衰减，该框架可在压制后门攻击成功率的同时，**大程度保留模型原始业务精度。未来研究将聚焦算法轻量化、多模态工业场景适配、联邦学习与工业大模型分布式防御等方向。

      在交流环节，与会组员展开了深入讨论，围绕该篇论文开展深入研讨。首先，大家梳理了工业物联网后门攻击的场景特殊性，分析现有主流后门防御方法在工业故障检测、入侵检测、时序分类任务中的落地痛点，拆解检测、剪枝、恢复三大模块的协同作用，通过消融实验数据验证各核心组件的必要性，对比 NC、TABOR 等基线方**证本方案在防御效果与模型性能上的双重优势，并探讨边缘端轻量化部署、多源工业传感数据兼容等优化思路。

       本次讨论针对工业深度学习模型后门安全、工业物联网攻防体系构建、时序数据安全防护技术落地提出多项可行建议，深化了对论文核心创新技术的认知，为工业物联网安全方向的课题研究、实验设计与工程应用提供了有效参考，推动了领域内学术交流与合作。 

图文/刘文凯  审核/赵可景