Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
backdoor-learning-resources — Lista curada de artículos, estudios y cajas de herramientas sobre aprendizaje con puertas traseras, que organiza ataques y defensas basados en envenenamiento en el aprendizaje profundo para investigadores y profesionales de la seguridad. | Kitploit
Herramientas/GitHubGitHub/thuyimingli/backdoor-learning-resources
Aprendizaje AutomáticoPapers e InvestigaciónAprendizaje y EducaciónRecursos CuradosSeguridad de IAAtaque AdversarioTop en Papers e Investigación #11
Compartir
GitHubthuyimingli/backdoor-learning-resources

backdoor-learning-resources

Lista curada de artículos, estudios y cajas de herramientas sobre aprendizaje con puertas traseras, que organiza ataques y defensas basados en envenenamiento en el aprendizaje profundo para investigadores y profesionales de la seguridad.

Ver Repositorio
1.2k172147hace 2 añosRevisado por Kitploit

Recursos de Backdoor Learning

Este repositorio de Github resume una lista de recursos de Backdoor Learning. Para más detalles y los criterios de categorización, consulte nuestro estudio.

Haremos todo lo posible por mantener continuamente este repositorio de Github de forma mensual.

¿Por qué Backdoor Learning?

Backdoor learning es un área de investigación emergente que aborda los problemas de seguridad del proceso de entrenamiento de los algoritmos de aprendizaje automático. Es fundamental para adoptar de forma segura recursos o modelos de entrenamiento de terceros en la realidad.

Nota: 'Backdoor' también se conoce comúnmente como 'Neural Trojan' o 'Trojan'.

Noticias

  • 2023/7/24: Añado diez artículos de ICLR'23. Todos los artículos de esta conferencia deberían estar ya incluidos.
  • 2023/7/23: Añado siete artículos de NeurIPS'22 y cuatro artículos de AAAI'23. Todos los artículos de estas conferencias deberían estar ya incluidos.
  • 2023/01/25: Lamento profundamente haber suspendido recientemente la lectura de artículos relacionados y las actualizaciones de este repositorio, debido a algunos problemas personales como enfermedad y la redacción de mi tesis doctoral. Reanudaré la actualización después de junio de 2023.
  • 2022/12/05: Cambio ligeramente el formato del repositorio colocando los artículos de conferencias antes que los de revistas. Específicamente, en el mismo año, coloque el artículo de conferencia antes que el de revista, ya que las revistas suelen enviarse mucho tiempo antes y, por lo tanto, tienen cierto desfase.
  • 2022/12/05: Añado tres artículos de ECCV'22. Todos los artículos de esta conferencia deberían estar ya incluidos.

Referencia

Si nuestro repositorio o estudio es útil para su investigación, cite nuestro artículo de la siguiente manera:``` @article{li2022backdoor, title={Backdoor learning: A survey}, author={Li, Yiming and Jiang, Yong and Li, Zhifeng and Xia, Shu-Tao}, journal={IEEE Transactions on Neural Networks and Learning Systems}, year={2022} }

## Contribuciones
<p align="center">
  <img src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" alt="¡Te necesitamos!">
</p>

Por favor, ayuda a contribuir a esta lista contactando [conmigo](http://liyiming.tech) o añadiendo un [pull request](https://github.com/THUYimingLi/awesome-backdoor-learning/pulls)

Formato Markdown:```markdown
- Paper Name. 
  [[pdf]](link) 
  [[code]](link)
  - Author 1, Author 2, **and** Author 3. *Conference/Journal*, Year.

Nota: En el mismo año, coloque el artículo de conferencia antes del artículo de revista, ya que las revistas suelen enviarse con mucha antelación y, por tanto, tienen cierto desfase. (es decir, Conferencias-->Revistas-->Preprints)

Tabla de Contenidos

  • Revisión
  • Caja de herramientas
  • Disertaciones y Tesis
  • Clasificación de Imágenes y Vídeos
    • Ataque basado en envenenamiento
    • Ataque no basado en envenenamiento
      • Ataque orientado a pesos
      • Ataque con estructura modificada
      • Otros ataques
    • Defensa contra backdoors
      • Defensa empírica basada en preprocesamiento
      • Defensa empírica basada en reconstrucción del modelo
      • Defensa empírica basada en síntesis de disparadores
      • Defensa empírica basada en diagnóstico del modelo
      • Defensa empírica basada en supresión de veneno
      • Defensa empírica basada en filtrado de muestras
      • Defensa certificada
  • Ataque y defensa en otros paradigmas y tareas
    • Aprendizaje federado
    • Aprendizaje por transferencia
    • Aprendizaje por refuerzo
    • Aprendizaje semisupervisado y autosupervisado
    • Cuantización
    • Procesamiento del lenguaje natural
    • Redes neuronales de grafos
    • Nube de puntos
    • Procesamiento de señales acústicas
    • Ciencias médicas
    • Detección y seguimiento
    • Vision Transformer
    • Modelo de difusión
    • Ciberseguridad
    • Otros
  • Evaluación y discusión
  • Ataque backdoor con fines positivos
  • Competición

Revisión

  • Backdoor Learning: A Survey. [pdf]

    • Yiming Li, Yong Jiang, Zhifeng Li, and Shu-Tao Xia. IEEE Transactions on Neural Networks and Learning Systems, 2022.
  • Backdoor Attacks and Countermeasures on Deep Learning: A Comprehensive Review. [pdf]

    • Yansong Gao, Bao Gia Doan, Zhi Zhang, Siqi Ma, Anmin Fu, Surya Nepal, and Hyoungshick Kim. arXiv, 2020.
  • Data Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses. [pdf]

    • Micah Goldblum, Dimitris Tsipras, Chulin Xie, Xinyun Chen, Avi Schwarzschild, Dawn Song, Aleksander Madry, Bo Li, and Tom Goldstein. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.
  • A Comprehensive Survey on Poisoning Attacks and Countermeasures in Machine Learning. [link]

    • Zhiyi Tian, Lei Cui, Jie Liang, and Shui Yu. ACM Computing Surveys, 2022.
  • Backdoor Attacks and Defenses in Federated Learning: State-of-the-art, Taxonomy, and Future Directions. [link]

    • Xueluan Gong, Yanjiao Chen, Qian Wang, and Weihan Kong. IEEE Wireless Communications, 2022.
  • Backdoor Attacks on Image Classification Models in Deep Neural Networks. [link]

    • Quanxin Zhang, Wencong Ma, Yajie Wang, Yaoyuan Zhang, Zhiwei Shi, and Yuanzhang Li. Chinese Journal of Electronics, 2022.
  • Defense against Neural Trojan Attacks: A Survey. [link]

    • Sara Kaviani and Insoo Sohn. Neurocomputing, 2021.
  • A Survey on Neural Trojans. [pdf]

    • Yuntao Liu, Ankit Mondal, Abhishek Chakraborty, Michael Zuzak, Nina Jacobsen, Daniel Xing, and Ankur Srivastava. ISQED, 2020.
  • Backdoor Attacks against Voice Recognition Systems: A Survey. [pdf]

    • Baochen Yan, Jiahe Lan, and Zheng Yan. arXiv, 2023.
  • A Survey of Neural Trojan Attacks and Defenses in Deep Learning. [pdf]

    • Jie Wang, Ghulam Mubashar Hassan, and Naveed Akhtar. arXiv, 2022.
  • Threats to Pre-trained Language Models: Survey and Taxonomy. [pdf]

    • Shangwei Guo, Chunlong Xie, Jiwei Li, Lingjuan Lyu, and Tianwei Zhang. arXiv, 2022.
  • An Overview of Backdoor Attacks Against Deep Neural Networks and Possible Defences. [pdf]

    • Wei Guo, Benedetta Tondi, and Mauro Barni. arXiv, 2021.
Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    591
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    481
  • 3

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    389
  • 4

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    332
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    El sistema de acción para la ciberseguridad nativa de IA—donde la intención se convierte en ejecución gobernada, la evidencia se convierte en memoria operativa y cada operación mejora la siguiente.

    255
  • 6

    antifox

    antifox-ai/antifox

    Plataforma de pruebas de penetración autónoma con múltiples agentes de IA que ejecuta reconocimiento, descubrimiento de superficie de ataque, validación de explotación y entrega de informes respaldados por evidencia.

    247

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →