matlab 代码的影响力攻击还挺有意思的，结合 Python 的 KKT 攻击一块看，能搞出一套更强的数据中毒策略。实验代码复现的是庞伟哥那篇和斯坦哈特、珀西·梁合作的论文，重现度高，拿来就能跑。
Python 部分写了大多数的攻击和防御逻辑，版本选得比较老：Python 2.7.16、cvxpy 0.4.11、Tensorflow 1.12.0这些，得注意下环境。MATLAB 部分主要是生成诱饵参数，还有最小-最大类的攻击代码，全都放在matlab/文件夹下，路径啥的要自己改下。
挺贴心的一点是，作者把数据集都打包好了，.npz和.mat格式都给了，Python 和 MATLAB 各取所需。要跑通全流程，记得改下datasets.py里的DATA_FOLDER路径，免得路径找不到报错。
这套代码适合研究数据中毒攻击，尤其是你想深入理解影响力攻击和最小-最大优化那块。如果你做对抗机器学习或者数据防御策略的工作，拿这个来做 baseline 再合适不过。
如果你对类似的 MATLAB 安全研究感兴趣，可以看看KMV 攻击实现，或者复杂网络攻击模拟也不错，思路蛮接近的。
建议你配环境时优先用 conda 环境隔离，是旧版的cvxpy容易和新版 numpy 打架，安装顺序也有讲究。