提出了一个多目标的后门攻击方法 ，它将不同的模型误导到不同的类。该方法使用包含特定触发器的数据训练多个模型，这些触发器将被不同的模型误分类为不同的类。文章使用MNIST和Fashion-MNIST作为实验数据集，并使用Tensorflow作为机器学习库。实验结果表明，本文所提出的带触发器的方法可能会因不同模型而导致误分类为不同类别，而不同模型对MNIST和Fashion-MNIST的攻击成功率为100%，而在没有触发器的数据上分别保持97.18%和91.1%的准确性。