Skip to content
KitploitKITPLOIT
उपकरणब्लॉग
जमा करें
उपकरणब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

··फ़ीड·संपर्क·गोपनीयता·© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
backdoor-learning-resources — बैकडोर लर्निंग पेपर्स, सर्वेक्षणों और टूलबॉक्सों की एक क्यूरेटेड सूची, जो शोधकर्ताओं और सुरक्षा पेशेवरों के लिए डीप लर्निंग में पॉइज़निंग-आधारित हमलों और बचावों को व्यवस्थित करती है। | Kitploit
उपकरण/GitHubGitHub/thuyimingli/backdoor-learning-resources
मशीन लर्निंगपेपर और शोधलर्निंग और शिक्षाचयनित संसाधनAI सुरक्षाप्रतिकूल हमला
GitHubthuyimingli/backdoor-learning-resources

backdoor-learning-resources

बैकडोर लर्निंग पेपर्स, सर्वेक्षणों और टूलबॉक्सों की एक क्यूरेटेड सूची, जो शोधकर्ताओं और सुरक्षा पेशेवरों के लिए डीप लर्निंग में पॉइज़निंग-आधारित हमलों और बचावों को व्यवस्थित करती है।

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →
साझा करें
रिपॉजिटरी देखें
1.2k1732 साल पहलेKitploit द्वारा समीक्षित

Backdoor Learning संसाधन

यह Github रिपॉजिटरी Backdoor Learning संसाधनों की एक सूची सारांशित करती है। अधिक विवरण और वर्गीकरण मानदंडों के लिए, कृपया हमारे सर्वेक्षण देखें।

हम इस Github रिपॉजिटरी को मासिक रूप से लगातार बनाए रखने की पूरी कोशिश करेंगे।

Backdoor Learning क्यों?

Backdoor Learning एक उभरता हुआ शोध क्षेत्र है, जो मशीन लर्निंग एल्गोरिदम की प्रशिक्षण प्रक्रिया की सुरक्षा संबंधी मुद्दों पर चर्चा करता है। वास्तविक दुनिया में तीसरे पक्ष के प्रशिक्षण संसाधनों या मॉडलों को सुरक्षित रूप से अपनाने के लिए यह महत्वपूर्ण है।

नोट: 'Backdoor' को आमतौर पर 'Neural Trojan' या 'Trojan' भी कहा जाता है।

समाचार

  • 2023/7/24: मैंने दस ICLR'23 पेपर जोड़े हैं। अब इस सम्मेलन के सभी पेपर शामिल कर लिए जाने चाहिए।
  • 2023/7/23: मैंने सात NeurIPS'22 पेपर और चार AAAI'23 पेपर जोड़े हैं। अब इन सम्मेलनों के सभी पेपर शामिल कर लिए जाने चाहिए।
  • 2023/01/25: मुझे बहुत खेद है कि मैंने हाल ही में संबंधित पेपरों के अध्ययन और इस Repo के अपडेट को कुछ व्यक्तिगत समस्याओं, जैसे बीमारी और पीएच.डी. शोध प्रबंध लिखने के कारण, स्थगित कर दिया है। मैं जून 2023 के बाद अपडेट फिर से शुरू करूँगा।
  • 2022/12/05: मैंने सम्मेलन पेपरों को जर्नल पेपरों से पहले रखकर Repo प्रारूप में थोड़ा बदलाव किया है। विशेष रूप से, एक ही वर्ष में, कृपया सम्मेलन पेपर को जर्नल पेपर से पहले रखें, क्योंकि जर्नल आमतौर पर बहुत पहले सबमिट किए जाते हैं और इसलिए उनमें कुछ अंतराल होता है।
  • 2022/12/05: मैंने तीन ECCV'22 पेपर जोड़े हैं। अब इस सम्मेलन के सभी पेपर शामिल कर लिए जाने चाहिए।

संदर्भ

यदि हमारा Repo या सर्वेक्षण आपके शोध के लिए उपयोगी है, तो कृपया हमारे पेपर को इस प्रकार उद्धृत करें:``` @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} }

root@kitploit:~
## योगदान
<p align="center">
  <img src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" alt="We Need You!">
</p>

कृपया [मुझसे](http://liyiming.tech) संपर्क करके या [pull request](https://github.com/THUYimingLi/awesome-backdoor-learning/pulls) जोड़कर इस सूची में योगदान करने में सहायता करें।

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

नोट: उसी वर्ष में, कृपया कॉन्फ्रेंस पेपर को जर्नल पेपर से पहले रखें, क्योंकि जर्नल आमतौर पर बहुत पहले जमा किए जाते हैं और इसलिए उनमें कुछ विलंब होता है। (अर्थात, कॉन्फ्रेंस-->जर्नल-->प्रीप्रिंट्स)

विषय-सूची

  • सर्वेक्षण
  • टूलबॉक्स
  • शोध प्रबंध और थीसिस
  • छवि और वीडियो वर्गीकरण
    • पॉइज़निंग-आधारित हमला
    • गैर-पॉइज़निंग-आधारित हमला
      • वेट-उन्मुख हमला
      • संरचना-संशोधित हमला
      • अन्य हमले
    • बैकडोर रक्षा
      • प्रीप्रोसेसिंग-आधारित अनुभवजन्य रक्षा
      • मॉडल पुनर्निर्माण-आधारित अनुभवजन्य रक्षा
      • ट्रिगर संश्लेषण-आधारित अनुभवजन्य रक्षा
      • मॉडल निदान-आधारित अनुभवजन्य रक्षा
      • पॉइज़न दमन-आधारित अनुभवजन्य रक्षा
      • नमूना फ़िल्टरिंग-आधारित अनुभवजन्य रक्षा
      • प्रमाणित रक्षा
  • अन्य प्रतिमानों और कार्यों के लिए हमला और रक्षा
    • फेडरेटेड लर्निंग
    • ट्रांसफर लर्निंग
    • रिइन्फोर्समेंट लर्निंग
    • अर्ध-पर्यवेक्षित और स्व-पर्यवेक्षित लर्निंग
    • क्वांटिज़ेशन
    • प्राकृतिक भाषा प्रसंस्करण
    • ग्राफ न्यूरल नेटवर्क
    • पॉइंट क्लाउड
    • ध्वनिक सिग्नल प्रोसेसिंग
    • चिकित्सा विज्ञान
    • डिटेक्शन और ट्रैकिंग
    • विज़न ट्रांसफॉर्मर
    • डिफ्यूज़न मॉडल
    • साइबर सुरक्षा
    • अन्य
  • मूल्यांकन और चर्चा
  • सकारात्मक उद्देश्यों के लिए बैकडोर हमला

सर्वेक्षण

  • बैकडोर लर्निंग: एक सर्वेक्षण। [pdf]

    • Yiming Li, Yong Jiang, Zhifeng Li, और Shu-Tao Xia. IEEE Transactions on Neural Networks and Learning Systems, 2022.

  • डीप लर्निंग पर बैकडोर हमले और प्रतिउपाय: एक व्यापक समीक्षा। [pdf]

    • Yansong Gao, Bao Gia Doan, Zhi Zhang, Siqi Ma, Anmin Fu, Surya Nepal, और Hyoungshick Kim. arXiv, 2020.

  • मशीन लर्निंग के लिए डेटा सुरक्षा: डेटा पॉइज़निंग, बैकडोर हमले और रक्षा। [pdf]

    • Micah Goldblum, Dimitris Tsipras, Chulin Xie, Xinyun Chen, Avi Schwarzschild, Dawn Song, Aleksander Madry, Bo Li, और Tom Goldstein. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.

  • मशीन लर्निंग में पॉइज़निंग हमलों और प्रतिउपायों पर एक व्यापक सर्वेक्षण। [लिंक]

    • Zhiyi Tian, Lei Cui, Jie Liang, और Shui Yu. ACM Computing Surveys, 2022.

  • फेडरेटेड लर्निंग में बैकडोर हमले और रक्षा: अत्याधुनिक, वर्गीकरण और भविष्य की दिशाएँ। [लिंक]

    • Xueluan Gong, Yanjiao Chen, Qian Wang, और Weihan Kong. IEEE Wireless Communications, 2022.

  • डीप न्यूरल नेटवर्क में छवि वर्गीकरण मॉडलों पर बैकडोर हमले। [लिंक]

    • Quanxin Zhang, Wencong Ma, Yajie Wang, Yaoyuan Zhang, Zhiwei Shi, और Yuanzhang Li. Chinese Journal of Electronics, 2022.

  • न्यूरल ट्रोजन हमलों के विरुद्ध रक्षा: एक सर्वेक्षण। [लिंक]

    • Sara Kaviani और Insoo Sohn. Neurocomputing, 2021.

  • न्यूरल ट्रोजन पर एक सर्वेक्षण। [pdf]

    • Yuntao Liu, Ankit Mondal, Abhishek Chakraborty, Michael Zuzak, Nina Jacobsen, Daniel Xing, और Ankur Srivastava. ISQED, 2020.

  • आवाज़ पहचान प्रणालियों के विरुद्ध बैकडोर हमले: एक सर्वेक्षण। [pdf]

टूलबॉक्स

  • BackdoorBox
  • TrojanZoo
  • OpenBackdoor
  • Backdoor Toolbox
  • BackdoorBench
  • backdoors101
  • ART

शोध प्रबंध और थीसिस

  • कंप्यूटर विज़न में पॉइज़निंग-आधारित बैकडोर हमले। [pdf]

    • Yiming Li. Tsinghua University में पीएच.डी. शोध प्रबंध, 2023.

  • डीप न्यूरल नेटवर्क क्लासिफायर के विरुद्ध बैकडोर हमलों से रक्षा। [pdf]

    • Zhen Xiang. The Pennsylvania State University में पीएच.डी. शोध प्रबंध, 2022.

  • डीप लर्निंग की एडवरसैरियल और बैकडोर मजबूती की ओर। [लिंक]

    • Yifan Guo. Case Western Reserve University में पीएच.डी. शोध प्रबंध, 2022.

  • मजबूत और संचार-कुशल वितरित मशीन लर्निंग की ओर। [pdf]

    • Hongyi Wang. University of Wisconsin–Madison में पीएच.डी. शोध प्रबंध, 2021.

  • मोबाइल पर डीप लर्निंग और रीयल-टाइम DNN अनुमान के साथ मजबूत छवि वर्गीकरण की ओर। [pdf]

    • Pu Zhao. Northeastern University में पीएच.डी. शोध प्रबंध, 2021.

  • बैकडोर, डेटा पॉइज़निंग और एडवरसैरियल हमलों के विरुद्ध प्रतिउपाय। [pdf]

    • Henry Daniel. University of Texas at San Antonio में पीएच.डी. शोध प्रबंध, 2021.

  • डीप न्यूरल नेटवर्क पर बैकडोरिंग हमलों के प्रभाव को समझना और कम करना। [pdf]

    • Kang Liu. New York University में पीएच.डी. शोध प्रबंध, 2021.

  • अन-फेयर ट्रोजन: मॉडल निष्पक्षता के विरुद्ध लक्षित बैकडोर हमले। [pdf]

    • Nicholas Furth. New Jersey Institute of Technology में मास्टर थीसिस, 2022.

  • अपना दूसरा दरवाज़ा जाँचें: फ़्रीक्वेंसी डोमेन में बैकडोर हमले बनाना। [pdf]

    • Hasan Abed Al Kader Hammoud. King Abdullah University of Science and Technology में मास्टर थीसिस, 2022.

छवि और वीडियो वर्गीकरण

पॉइज़निंग-आधारित हमला

2023

  • बैकडोर रक्षा के लिए लेटेंट विभाज्यता की धारणा पर पुनर्विचार। [pdf] [code]

    • Xiangyu Qi, Tinghao Xie, Yiming Li, Saeed Mahloujifar, और Prateek Mittal. ICLR, 2023.

  • न्यूरल टेंजेंट कर्नेल के माध्यम से फ्यू-शॉट बैकडोर हमले। [pdf] [code]

    • Jonathan Hayase और Sewoong Oh. ICLR, 2023.

  • कलर बैकडोर: कलर स्पेस में एक मजबूत पॉइज़निंग हमला। [pdf]

    • Wenbo Jiang, Hongwei Li, Guowen Xu, और Tianwei Zhang. CVPR, 2023.

2022

  • गैर-लक्षित बैकडोर वॉटरमार्क: हानिरहित और गुप्त डेटासेट कॉपीराइट संरक्षण की ओर। [pdf] [code]

    • Yiming Li, Yang Bai, Yong Jiang, Yong Yang, Shu-Tao Xia, और Bo Li. NeurIPS, 2022.

  • DEFEAT: अगोचर विक्षोभ और लेटेंट प्रतिनिधित्व बाधाओं द्वारा डीप हिडन फीचर बैकडोर हमले। [pdf]

    • Zhendong Zhao, Xiaojun Chen, Yuexin Xuan, Ye Dong, Dakui Wang, और Kaitai Liang. CVPR, 2022.

  • मार्क्समैन बैकडोर: मनमाने लक्ष्य वर्ग के साथ बैकडोर हमले। [pdf]

    • Khoa D Doan, Yingjie Lao, और Ping Li. NeurIPS, 2022.

  • फ़्रीक्वेंसी डोमेन के माध्यम से एक अदृश्य ब्लैक-बॉक्स बैकडोर हमला। [pdf] [code]

    • Tong Wang, Yuan Yao, Feng Xu, Shengwei An, Hanghang Tong, और Ting Wang. ECCV, 2022.

  • BppAttack: इमेज क्वांटिज़ेशन और कंट्रास्टिव एडवरसैरियल लर्निंग के माध्यम से डीप न्यूरल नेटवर्क के विरुद्ध गुप्त और कुशल ट्रोजन हमले। [pdf] [code]

    • Zhenting Wang, Juan Zhai, और Shiqing Ma. CVPR, 2022.

  • मशीन लर्निंग मॉडलों के विरुद्ध गतिशील बैकडोर हमले। [pdf]

    • Ahmed Salem, Rui Wen, Michael Backes, Shiqing Ma, और Yang Zhang. EuroS&P, 2022.

  • अगोचर बैकडोर हमला: इनपुट स्पेस से फीचर प्रतिनिधित्व तक। [pdf] [code]

    • Nan Zhong, Zhenxing Qian, और Xinpeng Zhang. , 2022.

2021

  • नमूना-विशिष्ट ट्रिगर्स के साथ अदृश्य बैकडोर हमला। [pdf] [code]

    • Yuezun Li, Yiming Li, Baoyuan Wu, Longkang Li, Ran He, और Siwei Lyu. ICCV, 2021.

  • डेटा ऑर्डरिंग हमलों के साथ SGD में हेरफेर करना। [pdf]

    • Ilia Shumailov, Zakhar Shumaylov, Dmitry Kazhdan, Yiren Zhao, Nicolas Papernot, Murat A. Erdogdu, और Ross Anderson. NeurIPS, 2021.

  • अगोचर इनपुट और लेटेंट संशोधन के साथ बैकडोर हमला। [pdf]

    • Khoa Doan, Yingjie Lao, और Ping Li. NeurIPS, 2021.

  • LIRA: सीखने योग्य, अगोचर और मजबूत बैकडोर हमले। [pdf]

    • Khoa Doan, Yingjie Lao, Weijie Zhao, और Ping Li. ICCV, 202- DNN-आधारित फेस सत्यापन के विरुद्ध यूनिवर्सल प्रतिरूपण हमले के लिए मास्टर कुंजी बैकडोर। [लिंक]
    • WeiGuo, Benedetta Tondi, and Mauro Barni. Pattern Recognition Letters, 2021.

  • चेहरे की विशेषताओं में छिपे बैकडोर: फेस रिकग्निशन सिस्टम के विरुद्ध एक नवीन अदृश्य बैकडोर हमला। [लिंक]

    • Mingfu Xue, Can He, Jian Wang, and Weiqiang Liu. Peer-to-Peer Networking and Applications, 2021.

  • बैकडोर हमला प्राप्त करने के लिए प्रोसीजरल नॉइज़ का उपयोग करना। [लिंक] [कोड]

    • Xuan Chen, Yuena Ma, and Shiwei Lu. IEEE Access, 2021.

  • रैंडम लोकेशन ट्रिगर के साथ डीप न्यूरल नेटवर्क पर मल्टीटारगेट बैकडोरिंग हमला। [लिंक]

    • Xiao Yu, Cong Liu, Mingwen Zheng, Yajie Wang, Xinrui Liu, Shuxiao Song, Yuexuan Ma, and Jun Zheng. International Journal of Intelligent Systems, 2021.

2020

  • मौजूदा हानिरहित फीचर्स को मिलाकर डीप न्यूरल नेटवर्क के लिए कम्पोजिट बैकडोर हमला। [पीडीएफ]

    • Junyu Lin, Lei Xu, Yingqi Liu, Xiangyu Zhang. CCS, 2020.

  • इनपुट-जागरूक डायनामिक बैकडोर हमला। [पीडीएफ] [कोड]

    • Anh Nguyen, and Anh Tran. NeurIPS, 2020.

  • डीप लर्निंग में बैकडोर डिटेक्शन एल्गोरिदम को बायपास करना। [पीडीएफ]

    • Te Juin Lester Tan, and Reza Shokri. EuroS&P, 2020.

  • अदृश्य पर्टर्बेशन के माध्यम से कन्वोल्यूशनल न्यूरल नेटवर्क मॉडल में बैकडोर एम्बेडिंग। [पीडीएफ]

    • Cong Liao, Haoti Zhong, Anna Squicciarini, Sencun Zhu, and David Miller. ACM CODASPY, 2020.

  • वीडियो रिकग्निशन मॉडल पर क्लीन-लेबल बैकडोर हमले। [पीडीएफ] [कोड]

    • Shihao Zhao, Xingjun Ma, Xiang Zheng, James Bailey, Jingjing Chen, and Yu-Gang Jiang. CVPR, 2020.

  • डीप लर्निंग की बैकडोर हमला डिटेक्शन से बचना। [लिंक]

    • Yayuan Xiong, Fengyuan Xu, Sheng Zhong, and Qun Li. IFIP SEC, 2020.

  • रिफ्लेक्शन बैकडोर: डीप न्यूरल नेटवर्क पर एक प्राकृतिक बैकडोर हमला। [पीडीएफ] [कोड]

    • Yunfei Liu, Xingjun Ma, James Bailey, and Feng Lu. ECCV, 2020.

  • डीप न्यूरल नेटवर्क पर लाइव ट्रोजन हमले। [पीडीएफ] [कोड]

    • Robby Costales, Chengzhi Mao, Raphael Norwitz, Bryan Kim, and Junfeng Yang. , 2020.

2019

  • लेबल पॉइज़निंग के बिना प्रशिक्षण सेट भ्रष्टीकरण द्वारा CNNS में एक नया बैकडोर हमला। [पीडीएफ]

    • M.Barni, K.Kallas, and B.Tondi. ICIP, 2019.

  • लेबल-संगत बैकडोर हमले। [पीडीएफ] [कोड]

    • Alexander Turner, Dimitris Tsipras, and Aleksander Madry. arXiv, 2019.

2018

  • न्यूरल नेटवर्क पर ट्रोजनिंग हमला। [पीडीएफ] [कोड]
    • Yingqi Liu, Shiqing Ma, Yousra Aafer, Wen-Chuan Lee, and Juan Zhai. NDSS, 2018.

2017

  • BadNets: मशीन लर्निंग मॉडल सप्लाई चेन में कमजोरियों की पहचान करना। [पीडीएफ] [जर्नल]

    • Tianyu Gu, Brendan Dolan-Gavitt, and Siddharth Garg. arXiv, 2017 (IEEE Access, 2019).

  • डेटा पॉइज़निंग का उपयोग करके डीप लर्निंग सिस्टम पर लक्षित बैकडोर हमले। [पीडीएफ] [कोड]

    • Xinyun Chen, Chang Liu, Bo Li, Kimberly Lu, and Dawn Song. arXiv, 2017.

गैर-पॉइज़निंग-आधारित हमला

वेट-उन्मुख हमला

  • डीप न्यूरल नेटवर्क में हस्तनिर्मित बैकडोर। [पीडीएफ]

    • Sanghyun Hong, Nicholas Carlini, and Alexey Kurakin. NeurIPS, 2022.

  • बिट फ्लिप्स के साथ न्यूरल नेटवर्क पर मुश्किल से बोधगम्य ट्रोजन हमला। [पीडीएफ] [कोड]

    • Jiawang Bai, Kuofeng Gao, Dihong Gong, Shu-Tao Xia, Zhifeng Li, and Wei Liu. ECCV, 2022.

  • ProFlip: प्रोग्रेसिव बिट फ्लिप्स के साथ लक्षित ट्रोजन हमला। [पीडीएफ]

    • Huili Chen, Cheng Fu, Jishen Zhao, and Farinaz Koushanfar. ICCV, 2021.

  • TBT: बिट ट्रोजन के साथ लक्षित न्यूरल नेटवर्क हमला। [पीडीएफ] [कोड]

    • Adnan Siraj Rakin, Zhezhi He, and Deliang Fan. CVPR, 2020.

  • बेहतर संगति के साथ बैकडोर कैसे इंजेक्ट करें: क्लीन डेटा पर लॉजिट एंकरिंग। [पीडीएफ]

    • Zhiyuan Zhang, Lingjuan Lyu, Weiqiang Wang, Lichao Sun, and Xu Sun. ICLR, 2022.

  • क्या एडवर्सेरियल वेट पर्टर्बेशन न्यूरल बैकडोर इंजेक्ट कर सकते हैं? [पीडीएफ]

    • Siddhant Garg, Adarsh Kumar, Vibhor Goel, and Yingyu Liang. CIKM, 2020.

  • सीमित बिट्स फ्लिप करके वर्सेटाइल वेट हमला। [पीडीएफ]

    • Jiawang Bai, Baoyuan Wu, Zhifeng Li, and Shu-Tao Xia. arXiv, 2022.

  • Rowhammer का उपयोग करके DNN पर यथार्थवादी बैकडोर इंजेक्शन हमलों की ओर। [पीडीएफ]

    • M. Caner Tol, Saad Islam, Berk Sunar, and Ziming Zhang. 2022.

संरचना-संशोधित हमला

  • LoneNeuron: अदृश्य और बहुरूपी वॉटरमार्क का उपयोग करने वाला अत्यधिक प्रभावी फीचर-डोमेन न्यूरल ट्रोजन। [पीडीएफ]

    • Zeyan Liu, Fengjun Li, Zhu Li, and Bo Luo. CCS, 2022.

  • डीप न्यूरल नेटवर्क पर व्यावहारिक डिप्लॉयमेंट-स्टेज बैकडोर हमले की ओर। [पीडीएफ] [कोड]

    • Xiangyu Qi, Tinghao Xie, Ruizhe Pan, Jifeng Zhu, Yong Yang, and Kai Bu. CVPR, 2022.

  • घास के ढेर में सुइयाँ छिपाना: सत्यापन से बचने वाले न्यूरल नेटवर्क निर्माण की ओर। [लिंक] [कोड]

    • Árpád Berta, Gábor Danner, István Hegedűs and Márk Jelasity. ACM IH&MMSec, 2022.

  • डीप लर्निंग फ्रेमवर्क में स्टील्थी और लचीला ट्रोजन। [लिंक]

    • Yajie Wang, Kongyang Chen, Yu-An Tan, Shuxin Huang, Wencong Ma, and Yuanzhang Li. IEEE Transactions on Dependable and Secure Computing, 2022.

  • FooBaR: न्यूरल नेटवर्क प्रशिक्षण पर फॉल्ट फूलिंग बैकडोर हमला। [लिंक] [कोड]

    • Jakub Breier, Xiaolu Hou, Martín Ochoa and Jesus Solano. IEEE Transactions on Dependable and Secure Computing, 2022.

  • DeepPayload: न्यूरल पेलोड इंजेक्शन के माध्यम से डीप लर्निंग मॉडल पर ब्लैक-बॉक्स बैकडोर हमला। [पीडीएफ]

    • Yuanchun Li, Jiayi Hua, Haoyu Wang, Chunyang Chen, and Yunxin Liu. ICSE, 2021.

  • डीप न्यूरल नेटवर्क में ट्रोजन हमले के लिए आश्चर्यजनक रूप से सरल दृष्टिकोण। [पीडीएफ] [कोड]

    • Ruixiang Tang, Mengnan Du, Ninghao Liu, Fan Yang, and Xia Hu. KDD, 2020.

  • BadRes: रेसिडुअल कनेक्शन के माध्यम से बैकडोर प्रकट करें।

अन्य हमले

  • ImpNet: संकलित न्यूरल नेटवर्क में अगोचर और ब्लैकबॉक्स-अज्ञेय बैकडोर। [पीडीएफ] [वेबसाइट] [कोड]

    • Tim Clifford, Ilia Shumailov, Yiren Zhao, Ross Anderson, and Robert Mullins. arXiv, 2022.

  • मुझे ट्रिगर मत करो! डीप न्यूरल नेटवर्क के विरुद्ध एक ट्रिगरलेस बैकडोर हमला। [पीडीएफ]

    • Ahmed Salem, Michael Backes, and Yang Zhang. arXiv, 2020.

बैकडोर रक्षा

प्रीप्रोसेसिंग-आधारित अनुभवजन्य रक्षा

  • भौतिक दुनिया में बैकडोर हमला। [पीडीएफ] [विस्तार]

    • Yiming Li, Tongqing Zhai, Yong Jiang, Zhifeng Li, and Shu-Tao Xia. ICLR Workshop, 2021.

  • DeepSweep: डेटा ऑग्मेंटेशन का उपयोग करके DNN बैकडोर हमलों को कम करने हेतु एक मूल्यांकन फ्रेमवर्क। [पीडीएफ] [कोड]

    • Han Qiu, Yi Zeng, Shangwei Guo, Tianwei Zhang, Meikang Qiu, and Bhavani Thuraisingham. AsiaCCS, 2021.

  • Februus: डीप न्यूरल नेटवर्क सिस्टम पर ट्रोजन हमलों के विरुद्ध इनपुट शोधन रक्षा। [पीडीएफ] [कोड]

    • Bao Gia Doan, Ehsan Abbasnejad, and Damith C. Ranasinghe. ACSAC, 2020.

  • न्यूरल ट्रोजन। [पीडीएफ]

    • Yuntao Liu, Yang Xie, and Ankur Srivastava. ICCD, 2017.

  • डी-ट्रिगर ऑटोएन्कोडर का उपयोग करके बैकडोर हमले के विरुद्ध डीप न्यूरल नेटवर्क की रक्षा करना। [पीडीएफ]

    • Hyun Kwon. IEEE Access, 2021.

  • ConFoc: न्यूरल नेटवर्क पर ट्रोजन हमलों के विरुद्ध कंटेंट-फोकस सुरक्षा। [पीडीएफ]

    • Miguel Villarreal-Vasquez, and Bharat Bhargava. arXiv, 2021.

  • मशीन लर्निंग में बैकडोर हमलों के विरुद्ध मॉडल-अज्ञेयवादी रक्षा। [पीडीएफ]

    • Sakshi Udeshi, Shanshan Peng, Gerald Woo, Lionell Loh, Louth Rawshan, and Sudipta Chattopadhyay. arXiv, 2019.

मॉडल पुनर्निर्माण-आधारित अनुभवजन्य रक्षा

  • बिना लेबल वाले डेटा के साथ बैकडोर सफाई। [पीडीएफ] [कोड]

    • Lu Pang, Tao Sun, Haibin Ling, and Chao Chen. CVPR, 2023.

  • इम्प्लिसिट हाइपरग्रेडिएंट के माध्यम से बैकडोर का एडवर्सेरियल अनलर्निंग। [पीडीएफ] [कोड]

    • Yi Zeng, Si Chen, Won Park, Z. Morley Mao, Ming Jin, and Ruoxi Jia. ICLR, 2022.

  • चैनल लिप्सचिट्ज़नेस पर आधारित डेटा-मुक्त बैकडोर निष्कासन। [पीडीएफ] [कोड]

    • Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. ECCV, 2022.

  • अटेंशन रिलेशन ग्राफ डिस्टिलेशन का उपयोग करके डीप न्यूरल नेटवर्क के लिए बैकडोर ट्रिगर समाप्त करना। [पीडीएफ]

    • Jun Xia, Ting Wang, Jieping Ding, Xian Wei, and Mingsong Chen. IJCAI, 2022.

  • प्री-एक्टिवेशन वितरण बैकडोर न्यूरॉन्स को उजागर करते हैं। [पीडीएफ] [कोड]

    • Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. NeurIPS, 2022.

  • एडवर्सेरियल न्यूरॉन प्रूनिंग बैकडोर वाले डीप मॉडल को शुद्ध करता है। [पीडीएफ] [कोड]

    • Dongxian Wu and Yisen Wang. NeurIPS, 2021.

  • न्यूरल अटेंशन डिस्टिलेशन: डीप न्यूरल नेटवर्क से बैकडोर ट्रिगर मिटाना। [पीडीएफ] [कोड]

    • Yige Li, Xingjun Ma, Nodens Koren, Lingjuan Lyu, Xixiang Lyu, and Bo Li. ICLR, 2021.

  • डीप न्यूरल नेटवर्क पर बैकडोर हमलों के विरुद्ध व्याख्यात्मकता-निर्देशित रक्षा।

ट्रिगर संश्लेषण-आधारित अनुभवजन्य रक्षा

  • किसी छवि के भीतर संज्ञानात्मक बैकडोर पैटर्न का डिस्टिलेशन। [पीडीएफ] [कोड]

    • Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.

  • UNICORN: एक एकीकृत बैकडोर ट्रिगर इनवर्जन फ्रेमवर्क। [पीडीएफ] [कोड]

    • Zhenting Wang, Zhenting Wang, Kai Mei, Juan Zhai, and Shiqing Ma. ICLR, 2023.#### मॉडल निदान पर आधारित प्रयोगसिद्ध बचाव

  • क्वारंटीन: स्पार्सिटी ट्रोजन अटैक ट्रिगर को मुफ्त में उजागर कर सकती है। [pdf] [code]

    • Tianlong Chen, Zhenyu Zhang, Yihua Zhang*, Shiyu Chang, Sijia Liu, and Zhangyang Wang. CVPR, 2022.

  • बैकडोर स्कैनिंग में बेहतर ट्रिगर इन्वर्ज़न ऑप्टिमाइज़ेशन। [pdf] [code]

    • Guanhong Tao, Guangyu Shen, Yingqi Liu, Shengwei An, Qiuling Xu, Shiqing Ma, Pan Li, and Xiangyu Zhang. CVPR, 2022.

  • शैप्ले आकलन का उपयोग करके फ्यू-शॉट बैकडोर बचाव। [pdf]

    • Jiyang Guan, Zhuozhuo Tu, Ran He, and Dacheng Tao. CVPR, 2022.

  • ट्रोजन ट्रिगर के रिवर्स-इंजीनियरिंग पर पुनर्विचार। [pdf] [code]

    • Zhenting Wang, Kai Mei, Hailun Ding, Juan Zhai, and Shiqing Ma. NeurIPS, 2022.

  • एडवर्सेरियल वेट मास्किंग के माध्यम से वन-शॉट न्यूरल बैकडोर मिटाना। [pdf] [code]

विष दमन पर आधारित प्रयोगसिद्ध बचाव

  • प्रशिक्षण प्रक्रिया को पृथक करके बैकडोर बचाव। [pdf] [code]

    • Kunzhe Huang, Yiming Li, Baoyuan Wu, Zhan Qin, and Kui Ren. ICLR, 2022.

  • विषाक्त नमूनों की संवेदनशीलता का दोहन करके प्रभावी बैकडोर बचाव। [pdf] [code]

    • Weixin Chen, Baoyuan Wu, and Haoqian Wang. NeurIPS, 2022.

  • ट्रैप और रिप्लेस: बैकडोर हमलों को आसानी से बदलने योग्य सबनेटवर्क में फँसाकर उनसे बचाव। [pdf] [code]

    • Haotao Wang, Junyuan Hong, Aston Zhang, Jiayu Zhou, and Zhangyang Wang. NeurIPS, 2022.

  • अधिक आत्मविश्वास के साथ प्रशिक्षण: प्रशिक्षण के दौरान इंजेक्टेड और प्राकृतिक बैकडोर को कम करना। [pdf] [code]

    • Zhenting Wang, Zhenting_Wang, Hailun Ding, Juan Zhai, and Shiqing Ma. NeurIPS, 2022.

  • एंटी-बैकडोर लर्निंग: विषाक्त डेटा पर स्वच्छ मॉडल का प्रशिक्षण। [pdf] [code]

    • Yige Li, Xixiang Lyu, Nodens Koren, Lingjuan Lyu, Bo Li, and Xingjun Ma. NeurIPS, 2021.

  • विभेदक गोपनीयता के माध्यम से मजबूत विसंगति पहचान और बैकडोर हमले की पहचान। [pdf] [code]

    • Min Du, Ruoxi Jia, and Dawn Song. ICLR, 2020.

  • मजबूत डेटा संवर्धन सटीकता के व्यापार-बंद के बिना विषाक्तता और बैकडोर हमलों को साफ करता है। [pdf]

    • Eitan Borgnia, Valeriia Cherepanova, Liam Fowl, Amin Ghiasi, Jonas Geiping, Micah Goldblum, Tom Goldstein, and Arjun Gupta. , 2021.

नमूना फ़िल्टरिंग पर आधारित प्रयोगसिद्ध बचाव

  • SCALE-UP: स्केल्ड भविष्यवाणी स्थिरता का विश्लेषण करके एक कुशल ब्लैक-बॉक्स इनपुट-स्तरीय बैकडोर पहचान। [pdf] [code]

    • Junfeng Guo, Yiming Li, Xun Chen, Hanqing Guo, Lichao Sun, and Cong Liu. ICLR, 2023.

  • एक छवि के भीतर संज्ञानात्मक बैकडोर पैटर्न को आसवित करना। [pdf] [code]

    • Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.

  • बैकडोर विषाक्तता हमलों के खिलाफ बचाव के रूप में असंगतता क्लस्टरिंग। [pdf] [code]

    • Charles Jin, Melinda Sun, and Martin Rinard. ICLR, 2023.

  • "Beatrix'' पुनरुत्थान: ग्राम मैट्रिक्स के माध्यम से मजबूत बैकडोर पहचान। [pdf] [code]

    • Wanlun Ma, Derui Wang, Ruoxi Sun, Minhui Xue, Sheng Wen, and Yang Xiang. NDSS, 2023.

  • विषाक्त नमूनों की संवेदनशीलता का दोहन करके प्रभावी बैकडोर बचाव। [pdf] [code]

    • Weixin Chen, Baoyuan Wu, and Haoqian Wang. NeurIPS, 2022.

  • इनपुट फ़िल्टरिंग के माध्यम से प्रभावी और मजबूत न्यूरल ट्रोजन बचाव की दिशा में। [pdf] [code]

    • Kien Do, Haripriya Harikumar, Hung Le, Dung Nguyen, Truyen Tran, Santu Rana, Dang Nguyen, Willy Susilo, and Svetha Venkatesh. ECCV, 2022.

  • क्या हम एडवर्सेरियल पहचान विधियों का उपयोग करके बैकडोर हमले को कम कर सकते हैं? [link]

    • Kaidi Jin, Tianwei Zhang, Chao Shen, Yufei Chen, Ming Fan, Chenhao Lin, and Ting Liu. , 2022.

प्रमाणित रक्षा

  • सार्वभौमिक विक्षोभों के विरुद्ध मजबूती प्रमाणन की दिशा में। [pdf] [code]

    • Yi Zeng, Zhouxing Shi, Ming Jin, Feiyang Kang, Lingjuan Lyu, Cho-Jui Hsieh, और Ruoxi Jia. ICLR, 2023.

  • BagFlip: डेटा पॉइज़निंग के विरुद्ध एक प्रमाणित रक्षा। [pdf] [code]

    • Yuhao Zhang, Aws Albarghouthi, और Loris D'Antoni. NeurIPS, 2022.

  • RAB: बैकडोर आक्रमणों के विरुद्ध प्रमाणित मजबूती। [pdf] [code]

    • Maurice Weber, Xiaojun Xu, Bojan Karlas, Ce Zhang, और Bo Li. IEEE S&P, 2022.

  • डेटा पॉइज़निंग और बैकडोर आक्रमणों के विरुद्ध निकटतम पड़ोसियों की प्रमाणित मजबूती। [pdf]

    • Jinyuan Jia, Yupei Liu, Xiaoyu Cao, और Neil Zhenqiang Gong. AAAI, 2022.

  • डीप पार्टीशन एग्रीगेशन: सामान्य पॉइज़निंग आक्रमणों के विरुद्ध प्रमाणित रक्षा [pdf] [code]

    • Alexander Levine और Soheil Feizi. ICLR, 2021.

  • डेटा पॉइज़निंग आक्रमणों के विरुद्ध बैगिंग की आंतरिक प्रमाणित मजबूती [pdf] [code]

    • Jinyuan Jia, Xiaoyu Cao, और Neil Zhenqiang Gong. AAAI, 2021.

  • यादृच्छिक स्मूदिंग के माध्यम से लेबल-फ़्लिपिंग आक्रमणों के विरुद्ध प्रमाणित मजबूती। [pdf]

    • Elan Rosenfeld, Ezra Winston, Pradeep Ravikumar, और J. Zico Kolter. ICML, 2020.

  • यादृच्छिक स्मूदिंग के माध्यम से बैकडोर आक्रमणों के विरुद्ध मजबूती प्रमाणित करने पर। [pdf]

अन्य प्रतिमानों और कार्यों के लिए आक्रमण और रक्षा

फेडरेटेड लर्निंग

  • FLIP: फेडरेटेड लर्निंग में बैकडोर शमन के लिए एक प्रमाणित रक्षा ढांचा। [pdf] [code]

    • Kaiyuan Zhang, Guanhong Tao, Qiuling Xu, Siyuan Cheng, Shengwei An, Yingqi Liu, Shiwei Feng, Guangyu Shen, Pin-Yu Chen, Shiqing Ma, और Xiangyu Zhang. ICLR, 2023.

  • फेडरेटेड लर्निंग के लिए बैकडोर रक्षाओं की भेद्यता पर। [link] [code]

    • Pei Fang और Jinghui Chen. AAAI, 2023.

  • सेर्बेरस के साथ पॉइज़निंग: फेडरेटेड लर्निंग के विरुद्ध छिपा हुआ और मिलीभगत वाला बैकडोर आक्रमण। [link]

    • Xiaoting Lyu, Yufei Han, Wei Wang, Jingkai Liu, Bin Wang, Jiqiang Liu, और Xiangliang Zhang. AAAI, 2023.

  • न्यूरोटॉक्सिन: फेडरेटेड लर्निंग में स्थायी बैकडोर। [pdf]

    • Zhengming Zhang, Ashwinee Panda, Linyue Song, Yaoqing Yang, Michael W. Mahoney, Joseph E. Gonzalez, Kannan Ramchandran, और Prateek Mittal. ICML, 2022.

  • FLAME: फेडरेटेड लर्निंग में बैकडोर को वश में करना। [pdf]

    • Thien Duc Nguyen, Phillip Rieger, Huili Chen, Hossein Yalame, Helen Möllering, Hossein Fereidooni, Samuel Marchal, Markus Miettinen, Azalia Mirhoseini, Shaza Zeitouni, Farinaz Koushanfar, Ahmad-Reza Sadeghi, और Thomas Schneider. USENIX Security, 2022.

  • DeepSight: गहन मॉडल निरीक्षण के माध्यम से फेडरेटेड लर्निंग में बैकडोर आक्रमणों का शमन। [pdf]

    • Phillip Rieger, Thien Duc Nguyen, Markus Miettinen, और Ahmad-Reza Sadeghi. NDSS, 2022.

  • वर्टिकल फेडरेटेड लर्निंग में लेबल अनुमान और बैकडोर आक्रमणों से बचाव। [pdf]

    • Yang Liu, Zhihao Yi, Yan Kang, Yuanqin He, Wenhan Liu, Tianyuan Zou, और Qiang Yang. AAAI, 2022.

  • फेडरेटेड लर्निंग में मॉडल पॉइज़निंग पर बाइज़ेंटाइन-सहिष्णु एग्रीगेशन तंत्रों का एक विश्लेषण।

स्थानांतरण अधिगम

  • वृद्धिशील अधिगम, वृद्धिशील बैकडोर खतरे। [link]

    • Wenbo Jiang, Tianwei Zhang, Han Qiu, Hongwei Li, and Guowen Xu. IEEE Transactions on Dependable and Secure Computing, 2022.

  • नेटवर्क स्थानांतरण का प्रतिरोध करने की क्षमता के साथ सुदृढ़ बैकडोर इंजेक्शन। [link]

    • Le Feng, Sheng Li, Zhenxing Qian, and Xinpeng Zhang. Information Sciences, 2022.

  • एंटी-डिस्टिलेशन बैकडोर हमले: बैकडोर वास्तव में ज्ञान आसवन में जीवित रह सकते हैं। [pdf]

    • Yunjie Ge, Qian Wang, Baolin Zheng, Xinlu Zhuang, Qi Li, Chao Shen, and Cong Wang. ACM MM, 2021.

  • छिपे ट्रिगर बैकडोर हमले। [pdf] [code]

    • Aniruddha Saha, Akshayvarun Subramanya, and Hamed Pirsiavash. AAAI, 2020.

  • पूर्व-प्रशिक्षित मॉडलों पर वेट पॉइज़निंग हमले। [pdf] [code]

    • Keita Kurita, Paul Michel, and Graham Neubig. ACL, 2020.

  • पूर्व-प्रशिक्षित गहन अधिगम मॉडलों के साथ स्थानांतरण अधिगम के विरुद्ध बैकडोर हमले। [pdf]

    • Shuo Wang, Surya Nepal, Carsten Rudolph, Marthie Grobler, Shangyu Chen, and Tianle Chen. IEEE Transactions on Services Computing, 2020.

  • गहन तंत्रिका नेटवर्कों पर अव्यक्त बैकडोर हमले। [pdf]

    • Yuanshun Yao, Huiying Li, Haitao Zheng and Ben Y. Zhao. CCS, 2019.

  • तंत्रिका नेटवर्कों में आर्किटेक्चरल बैकडोर। [pdf]

    • Mikel Bober-Irizar, Ilia Shumailov, Yiren Zhao, Robert Mullins, and Nicolas Papernot. arXiv, 2022.

  • पूर्व-प्रशिक्षित मॉडलों के लिए लाल अलार्म: न्यूरॉन-स्तरीय बैकडोर हमलों द्वारा सार्वभौमिक भेद्यताएँ।

सुदृढीकरण अधिगम

  • सुदृढीकरण अधिगम में बैकडोर नीतियों के विरुद्ध प्रमाणनीय रक्षा। [pdf] [code]

    • Shubham Kumar Bharti, Xuezhou Zhang, Adish Singla, and Jerry Zhu. NeurIPS, 2022.

  • MARNet: सहकारी बहु-एजेंट सुदृढीकरण अधिगम के विरुद्ध बैकडोर हमले। [link]

    • Yanjiao Chen, Zhicong Zheng, and Xueluan Gong. IEEE Transactions on Dependable and Secure Computing, 2022.

  • BACKDOORL: प्रतिस्पर्धी सुदृढीकरण अधिगम के विरुद्ध बैकडोर हमला। [pdf]

    • Lun Wang, Zaynah Javed, Xian Wu, Wenbo Guo, Xinyu Xing, and Dawn Song. IJCAI, 2021.

  • स्टॉप-एंड-गो: गहन सुदृढीकरण अधिगम-आधारित यातायात भीड़ नियंत्रण प्रणालियों पर बैकडोर हमलों की खोज। [pdf]

    • Yue Wang, Esha Sarkar, Michail Maniatakos, and Saif Eddin Jabari. IEEE Transactions on Information Forensics and Security, 2021.

  • एजेंट मैनिपुलेटर: गहन सुदृढीकरण अधिगम पर गुप्त रणनीति हमले। [link]

    • Jinyin Chen, Xueke Wang, Yan Zhang, Haibin Zheng, Shanqing Yu, and Liang Bao. Applied Intelligence, 2022.

  • TrojDRL: गहन सुदृढीकरण अधिगम पर बैकडोर हमलों का मूल्यांकन। [pdf] [code]

    • Panagiota Kiourti, Kacper Wardega, Susmit Jha, and Wenchao Li. DAC, 2020.

  • वितरण-आंतरिक ट्रिगर्स के साथ गहन सुदृढीकरण अधिगम एजेंटों को पॉइज़न करना। [pdf]

    • Chace Ashcraft and Kiran Karra. ICLR Workshop, 2021.

  • गहन सुदृढीकरण अधिगम पर एक कालिक-पैटर्न बैकडोर हमला। [pdf]

    • Yinbo Yu, Jiajia Liu, Shouqing Li, Kepu Huang, and Xudong Feng. arXiv, 2022.

  • सुदृढीकरण अधिगम में बैकडोर का पता लगाना।

अर्ध-पर्यवेक्षित और स्व-पर्यवेक्षित अधिगम

  • स्व-पर्यवेक्षित अधिगम पर बैकडोर हमले। [pdf] [code]

    • Aniruddha Saha, Ajinkya Tejankar, Soroush Abbasi Koohpayegani, and Hamed Pirsiavash. CVPR, 2022.

  • कॉन्ट्रास्टिव लर्निंग को पॉइज़न करना और बैकडोर लगाना। [pdf]

    • Nicholas Carlini and Andreas Terzis. ICLR, 2022.

  • BadEncoder: स्व-पर्यवेक्षित अधिगम में पूर्व-प्रशिक्षित एनकोडरों पर बैकडोर हमले। [pdf] [code]

    • Jinyuan Jia, Yupei Liu, and Neil Zhenqiang Gong. IEEE S&P, 2022.

  • DeHiB: प्रतिकूल व्यवधान के माध्यम से अर्ध-पर्यवेक्षित अधिगम पर गहरा छिपा बैकडोर हमला। [pdf]

    • Zhicong Yan, Gaolei Li, Yuan Tian, Jun Wu, Shenghong Li, Mingzhe Chen, and H. Vincent Poor. AAAI, 2021.

  • अर्ध-पर्यवेक्षित अधिगम में गहन तंत्रिका बैकडोर: खतरे और प्रतिउपाय। [link]

    • Zhicong Yan, Jun Wu, Gaolei Li, Shenghong Li, and Mohsen Guizani. IEEE Transactions on Information Forensics and Security, 2021.

  • मास्क्ड इमेज मॉडलिंग की आपूर्ति श्रृंखला में बैकडोर हमले। [pdf]

    • Xinyue Shen, Xinlei He, Zheng Li, Yun Shen, Michael Backes, and Yang Zhang. arXiv, 2022.

  • कॉन्ट्रास्टिव लर्निंग में पूर्व-प्रशिक्षित एनकोडरों को वॉटरमार्क करना। [pdf]

    • Yutong Wu, Han Qiu, Tianwei Zhang, Jiwei Li, and Meikang Qiu. arXiv, 2022.

क्वांटीकरण

  • RIBAC: कॉम्पैक्ट DNN के विरुद्ध सुदृढ़ और अगोचर बैकडोर हमले की ओर। [pdf] [code]

    • Huy Phan, Cong Shi, Yi Xie, Tianfang Zhang, Zhuohang Li, Tianming Zhao, Jian Liu, Yan Wang, Yingying Chen, and Bo Yuan. ECCV, 2022.

  • Qu-ANTI-zation: प्रतिकूल परिणाम प्राप्त करने के लिए क्वांटीकरण कलाकृतियों का दोहन। [pdf] [code]

    • Sanghyun Hong, Michael-Andrei Panaitescu-Liess, Yiğitcan Kaya, and Tudor Dumitraş. NeurIPS, 2021.

  • मॉडल आपूर्ति श्रृंखलाओं में ट्रोजनयुक्त क्वांटीकृत तंत्रिका नेटवर्क के खतरों को समझना। [pdf]

    • Xudong Pan, Mi Zhang, Yifan Yan, and Min Yang. ACSAC, 2021

  • गहन अधिगम मॉडलों में क्वांटीकरण बैकडोर। [pdf]

    • Hua Ma, Huming Qiu, Yansong Gao, Zhi Zhang, Alsharif Abuadbba, Anmin Fu, Said Al-Sarawi, and Derek Abbott. arXiv, 2021.

  • संपीड़न कलाकृतियों के रूप में गुप्त बैकडोर। [pdf]

    • Yulong Tian, Fnu Suya, Fengyuan Xu, and David Evans. arXiv, 2021.

प्राकृतिक भाषा प्रसंस्करण

  • TrojText: परीक्षण-समय अदृश्य पाठ्य ट्रोजन सम्मिलन। [pdf] [code]

    • Qian Lou, Yepeng Liu, and Bo Feng. ICLR, 2023.

  • प्राकृतिक भाषा उत्पादन में बैकडोर हमलों से रक्षा। [link]

    • Xiaofei Sun, Xiaoya Li, Yuxian Meng, Xiang Ao, Lingjuan Lyu, Jiwei Li, and Tianwei Zhang. AAAI, 2023.

  • नियमित निरंतर पूर्व-प्रशिक्षण द्वारा पूर्व-प्रशिक्षित मॉडलों से बैकडोर हटाना। [pdf] [code]

    • Biru Zhu, Ganqu Cui, Yangyi Chen, Yujia Qin, Lifan Yuan, Chong Fu, Yangdong Deng, Zhiyuan Liu, Maosong Sun, Ming Gu. Transactions of the Association for Computational Linguistics, 2023.

  • BadPrompt: निरंतर प्रॉम्प्ट्स पर बैकडोर हमले। [pdf] [code]

    • Xiangrui Cai, haidong xu, Sihan Xu, Ying Zhang, and Xiaojie Yuan. NeurIPS, 2022.

  • पूर्व-प्रशिक्षित भाषा मॉडलों के लिए प्राकृतिक बैकडोर रक्षक के रूप में मॉडरेट-फिटिंग [pdf] [code]

    • Biru Zhu, Yujia Qin, Ganqu Cui, Yangyi Chen, Weilin Zhao, Chong Fu, Yangdong Deng, Zhiyuan Liu, Jingang Wang, Wei Wu, Maosong Sun, and Ming Gu. NeurIPS, 2022.

  • पाठ्य बैकडोर अधिगम का एकीकृत मूल्यांकन: ढाँचे और बेंचमार्क। [pdf] [code]

    • Ganqu Cui, Lifan Yuan, Bingxiang He, Yangyi Chen, Zhiyuan Liu, and Maosong Sun. NeurIPS, 2022.

  • भाषा मॉडलों को घुमाना: प्रचार-एक-सेवा के जोखिम और प्रतिउपाय [pdf] [code]

    • Eugene Bagdasaryan and Vitaly Shmatikov. , 2022.

Read more

टूल डाउनलोड करें
  • प्रतियोगिता
    • Baochen Yan, Jiahe Lan, और Zheng Yan. arXiv, 2023.

  • डीप लर्निंग में न्यूरल ट्रोजन हमलों और रक्षा का एक सर्वेक्षण। [pdf]

    • Jie Wang, Ghulam Mubashar Hassan, और Naveed Akhtar. arXiv, 2022.

  • पूर्व-प्रशिक्षित भाषा मॉडलों के लिए खतरे: सर्वेक्षण और वर्गीकरण। [pdf]

    • Shangwei Guo, Chunlong Xie, Jiwei Li, Lingjuan Lyu, और Tianwei Zhang. arXiv, 2022.

  • डीप न्यूरल नेटवर्क के विरुद्ध बैकडोर हमलों और संभावित बचाव का एक अवलोकन। [pdf]

    • Wei Guo, Benedetta Tondi, और Mauro Barni. arXiv, 2021.

  • डीप लर्निंग बैकडोर। [pdf]

    • Shaofeng Li, Shiqing Ma, Minhui Xue, और Benjamin Zi Hao Zhao. arXiv, 2020.

  • न्यूरल नेटवर्क में बैकडोर हमले। [लिंक]

    • Stefanos Koffas. Delft University of Technology में मास्टर थीसिस, 2021.

  • बैकडोर रक्षा। [pdf]

    • Andrea Milakovic. Technischen Universität Wien में मास्टर थीसिस, 2021.

  • बैकडोर किए गए न्यूरल नेटवर्क के ज्यामितीय गुण। [pdf]

    • Dominic Carrano. University of California at Berkeley में मास्टर थीसिस, 2021.

  • संरचित एडवरसैरियल हमलों के साथ बैकडोर किए गए न्यूरल नेटवर्क का पता लगाना। [pdf]

    • Charles Yang. University of California at Berkeley में मास्टर थीसिस, 2021.

  • भौतिक दुनिया में डीप लर्निंग प्रणालियों के विरुद्ध बैकडोर हमले। [pdf]

    • Emily Willson. University of Chicago में मास्टर थीसिस, 2020.
    • IJCAI

  • एडवरसैरियल प्रशिक्षण के साथ गुप्त बैकडोर हमला। [लिंक]

    • Le Feng, Sheng Li, Zhenxing Qian, और Xinpeng Zhang. ICASSP, 2022.

  • संपीड़ित डीप न्यूरल नेटवर्क के लिए अदृश्य और कुशल बैकडोर हमले। [लिंक]

    • Huy Phan, Yi Xie, Jian Liu, Yingying Chen, और Bo Yuan. ICASSP, 2022.

  • ग्लोबल औसत पूलिंग के साथ गतिशील बैकडोर। [pdf]

    • Stefanos Koffas, Stjepan Picek, और Mauro Conti. AICAS, 2022.

  • पॉइज़न इंक: मजबूत और अदृश्य बैकडोर हमला। [pdf]

    • Jie Zhang, Dongdong Chen, Qidong Huang, Jing Liao, Weiming Zhang, Huamin Feng, Gang Hua, और Nenghai Yu. IEEE Transactions on Image Processing, 2022.

  • मल्टी-लेवल MMD रेगुलराइज़ेशन के साथ बैकडोर हमलों को बढ़ाना। [लिंक]

    • Pengfei Xia, Hongjing Niu, Ziqiang Li, और Bin Li. IEEE Transactions on Dependable and Secure Computing, 2022.

  • PTB: वास्तविक दुनिया में डीप न्यूरल नेटवर्क के विरुद्ध मजबूत भौतिक बैकडोर हमले। [लिंक]

    • Mingfu Xue, Can He, Yinghao Wu, Shichang Sun, Yushu Zhang, Jian Wang, और Weiqiang Liu. Computers & Security, 2022.

  • IBAttack: डेटा लेबल के प्रति सावधान रहना। [लिंक]

    • Akshay Agarwal, Richa Singh, Mayank Vatsa, और Nalini Ratha. IEEE Transactions on Artificial Intelligence, 2022.

  • BlindNet बैकडोर: ब्लाइंड वॉटरमार्क का उपयोग करके डीप न्यूरल नेटवर्क पर हमला। [लिंक]

    • Hyun Kwon और Yongchul Kim. Multimedia Tools and Applications, 2022.

  • वर्षा की बूंदों के माध्यम से डीप न्यूरल नेटवर्क पर प्राकृतिक बैकडोर हमले। [लिंक]

    • Feng Zhao, Li Zhou, Qi Zhong, Rushi Lan, और Leo Yu Zhang. Security and Communication Networks, 2022.

  • इमेज क्लासिफायर मॉडलों के लिए वितरित पिक्सेल विक्षोभ-आधारित अगोचर बैकडोर ट्रिगर। [pdf]

    • Yulong Wang, Minghui Zhao, Shenghong Li, Xin Yuan, और Wei Ni. arXiv, 2022.

  • FRIB: फीचर मरम्मत पर आधारित निम्न-पॉइज़निंग दर अदृश्य बैकडोर हमला। [pdf]

    • Hui Xia, Xiugui Yang, Xiangyun Qian, और Rui Zhang. arXiv, 2022.

  • ऑगमेंटेशन बैकडोर। [pdf] [code]

    • Joseph Rance, Yiren Zhao, Ilia Shumailov, और Robert Mullins. arXiv, 2022.

  • बस इसे घुमाएँ: रोटेशन ट्रांसफॉर्मेशन के माध्यम से बैकडोर हमले तैनात करना। [pdf]

    • Tong Wu, Tianhao Wang, Vikash Sehwag, Saeed Mahloujifar, और Prateek Mittal. arXiv, 2022.

  • प्राकृतिक बैकडोर डेटासेट। [pdf]

    • Emily Wenger, Roma Bhattacharjee, Arjun Nitin Bhagoji, Josephine Passananti, Emilio Andere, Haitao Zheng, और Ben Y. Zhao. arXiv, 2022.

  • दो-चरणीय विशिष्ट ट्रिगर्स के साथ क्लीन लेबल बैकडोर हमले को बढ़ाना। [pdf]

    • Nan Luo, Yuanzhang Li, Yajie Wang, Shangbo Wu, Yu-an Tan, और Quanxin Zhang. arXiv, 2022.

  • लेटेंट विभाज्यता पर आधारित बैकडोर रक्षा को बायपास करना। [pdf] [code]

    • Xiangyu Qi, Tinghao Xie, Saeed Mahloujifar, और Prateek Mittal. arXiv, 2022.

  • Narcissus: सीमित जानकारी के साथ एक व्यावहारिक क्लीन-लेबल बैकडोर हमला। [pdf]

    • Yi Zeng, Minzhou Pan, Hoang Anh Just, Lingjuan Lyu, Meikang Qiu, और Ruoxi Jia. arXiv, 2022.

  • CASSOCK: स्रोत-विशिष्ट बैकडोर सुरक्षाओं की दीवार में DNN के विरुद्ध व्यवहार्य बैकडोर हमले। [pdf]

    • Shang Wang, Yansong Gao, Anmin Fu, Zhi Zhang, Yuqing Zhang, और Willy Susilo. arXiv, 2022.

  • डीप लर्निंग में बैकडोर हमलों के विरुद्ध रक्षा को तोड़ने के लिए ट्रोजन हॉर्स प्रशिक्षण। [pdf]

    • Arezoo Rajabi, Bhaskar Ramasubramanian, और Radha Poovendran. arXiv, 2022.

  • लेबल-स्मूद बैकडोर हमला। [pdf]

    • Minlong Peng, Zidi Xiong, Mingming Sun, और Ping Li. arXiv, 2022.

  • डीप न्यूरल नेटवर्क के विरुद्ध अगोचर और मल्टी-चैनल बैकडोर हमला। [pdf]

    • Mingfu Xue, Shifeng Ni, Yinghao Wu, Yushu Zhang, Jian Wang, और Weiqiang Liu. arXiv, 2022.

  • डीप न्यूरल नेटवर्क के विरुद्ध संपीड़न-प्रतिरोधी बैकडोर हमला। [pdf]

    • Mingfu Xue, Xin Wang, Shichang Sun, Yushu Zhang, Jian Wang, और Weiqiang Liu. arXiv, 2022.

  • Simtrojan: स्टील्थी बैकडोर हमला। [लिंक]

    • Yankun Ren, Longfei Li, and Jun Zhou. ICIP, 2021.

  • बैकडोर डिटेक्शन से बचने हेतु एक सांख्यिकीय अंतर न्यूनीकरण विधि। [पीडीएफ]

    • Pengfei Xia, Hongjing Niu, Ziqiang Li, and Bin Li. arXiv, 2021.

  • फ्रीक्वेंसी डोमेन के माध्यम से बैकडोर हमला। [पीडीएफ]

    • Tong Wang, Yuan Yao, Feng Xu, Shengwei An, and Ting Wang. arXiv, 2021.

  • अपना दूसरा दरवाज़ा जाँचें! फ्रीक्वेंसी डोमेन में बैकडोर हमले स्थापित करना। [पीडीएफ]

    • Hasan Abed Al Kader Hammoud and Bernard Ghanem. arXiv, 2021.

  • Sleeper Agent: स्क्रैच से प्रशिक्षित न्यूरल नेटवर्क के लिए स्केलेबल छिपे ट्रिगर बैकडोर। [पीडीएफ] [कोड]

    • Hossein Souri, Micah Goldblum, Liam Fowl, Rama Chellappa, and Tom Goldstein. arXiv, 2021.

  • RABA: डीप न्यूरल नेटवर्क पर एक मजबूत अवतार बैकडोर हमला। [पीडीएफ]

    • Ying He, Zhili Shen, Chang Xia, Jingyu Hua, Wei Tong, and Sheng Zhong. arXiv, 2021.

  • वास्तविक भौतिक दुनिया में डीप न्यूरल नेटवर्क के विरुद्ध मजबूत बैकडोर हमले। [पीडीएफ]

    • Mingfu Xue, Can He, Shichang Sun, Jian Wang, and Weiqiang Liu. arXiv, 2021.
    • CVPR Workshop

  • इमेज-स्केलिंग हमलों के साथ न्यूरल नेटवर्क को बैकडोरिंग और पॉइज़निंग करना। [पीडीएफ]

    • Erwin Quiring, and Konrad Rieck. IEEE S&P Workshop, 2020.

  • One-to-N और N-to-One: डीप लर्निंग मॉडल के विरुद्ध दो उन्नत बैकडोर हमले। [पीडीएफ]

    • Mingfu Xue, Can He, Jian Wang, and Weiqiang Liu. IEEE Transactions on Dependable and Secure Computing, 2020.

  • स्टेग्नोग्राफ़ी और रेगुलराइज़ेशन के माध्यम से डीप न्यूरल नेटवर्क पर अदृश्य बैकडोर हमले। [पीडीएफ] [arXiv संस्करण (2019)]

    • Shaofeng Li, Minhui Xue, Benjamin Zi Hao Zhao, Haojin Zhu, and Xinpeng Zhang. IEEE Transactions on Dependable and Secure Computing, 2020.

  • HaS-Nets: डेटा संग्रह परिदृश्यों के लिए बैकडोर हमलों से DNN की रक्षा हेतु एक हील एंड सिलेक्ट तंत्र। [पीडीएफ]

    • Hassan Ali, Surya Nepal, Salil S. Kanhere, and Sanjay Jha. arXiv, 2020.

  • FaceHack: चेहरे की विशेषताओं का उपयोग करके बैकडोर वाले फेशियल रिकग्निशन सिस्टम को ट्रिगर करना। [पीडीएफ]

    • Esha Sarkar, Hadjer Benkraouda, and Michail Maniatakos. arXiv, 2020.

  • रोशनी आपके चेहरे को हैक कर सकती है! फेस रिकग्निशन सिस्टम पर ब्लैक-बॉक्स बैकडोर हमला। [पीडीएफ]

    • Haoliang Li, Yufei Wang, Xiaofei Xie, Yang Liu, Shiqi Wang, Renjie Wan, Lap-Pui Chau, and Alex C. Kot. arXiv, 2020.

    • TrojanNet: न्यूरल नेटवर्क में छिपे ट्रोजन हॉर्स मॉडल एम्बेड करना। [पीडीएफ]

    • Chuan Guo, Ruihan Wu, and Kilian Q. Weinberger. arXiv, 2020.

  • लक्षित वेट पर्टर्बेशन के माध्यम से कन्वोल्यूशनल न्यूरल नेटवर्क को बैकडोरिंग करना। [पीडीएफ]

    • Jacob Dumford, and Walter Scheirer. arXiv, 2018.
    • [पीडीएफ]
    • Mingrui He, Tianyu Chen, Haoyi Zhou, Shanghang Zhang, and Jianxin Li. arXiv, 2022.

  • न्यूरल नेटवर्क में आर्किटेक्चरल बैकडोर। [पीडीएफ]

    • Mikel Bober-Irizar, Ilia Shumailov, Yiren Zhao, Robert Mullins, and Nicolas Papernot. arXiv, 2022.

  • मशीन लर्निंग मॉडल में अज्ञेय बैकडोर रोपना। [पीडीएफ]

    • Shafi Goldwasser, Michael P. Kim, Vinod Vaikuntanathan, and Or Zamir. arXiv, 2022.
    • [लिंक]
    • Wei Jiang, Xiangyu Wen, Jinyu Zhan, Xupeng Wang, and Ziwei Song. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2021.

  • Boundary augment: पॉइज़न हमले से बचाव हेतु एक डेटा ऑग्मेंटेशन विधि। [लिंक]

    • Xuan Chen, Yuena Ma, Shiwei Lu, and Yu Yao. IET Image Processing, 2021.

  • लॉस लैंडस्केप में मोड कनेक्टिविटी और एडवर्सेरियल रोबस्टनेस को जोड़ना। [पीडीएफ] [कोड]

    • Pu Zhao, Pin-Yu Chen, Payel Das, Karthikeyan Natesan Ramamurthy, and Xue Lin. ICLR, 2020.

  • Fine-Pruning: डीप न्यूरल नेटवर्क पर बैकडोरिंग हमलों से रक्षा करना। [पीडीएफ] [कोड]

    • Kang Liu, Brendan Dolan-Gavitt, and Siddharth Garg. RAID, 2018.

  • न्यूरल ट्रोजन। [पीडीएफ]

    • Yuntao Liu, Yang Xie, and Ankur Srivastava. ICCD, 2017.

  • पॉइज़निंग और बैकडोर हमलों के विरुद्ध रेसिडुअल ब्लॉक्स का टेस्ट-टाइम अनुकूलन। [पीडीएफ]

    • Arnav Gudibande, Xinyun Chen, Yang Bai, Jason Xiong, and Dawn Song. CVPR Workshop, 2022.

  • डीप न्यूरल नेटवर्क पर बैकडोर हमलों में नॉलेज डिस्टिलेशन का उपयोग करके बैकडोर को निष्क्रिय करना और पॉइज़न डेटा की पहचान करना। [पीडीएफ]

    • Kota Yoshida, and Takeshi Fujino. CCS Workshop, 2020.

  • डीप न्यूरल नेटवर्क पर बैकडोर हमले से रक्षा करना। [पीडीएफ]

    • Hao Cheng, Kaidi Xu, Sijia Liu, Pin-Yu Chen, Pu Zhao, and Xue Lin. KDD Workshop, 2019.

  • खराब न्यूरॉन्स की पहचान और शोधन के माध्यम से बैकडोर हमलों के विरुद्ध रक्षा। [पीडीएफ]

    • Mingyuan Fan, Yang Liu, Cen Chen, Ximeng Liu, and Wenzhong Guo. arXiv, 2022.

  • अभिशाप को वरदान में बदलना: मॉडल इनवर्जन द्वारा क्लीन-डेटा-मुक्त रक्षा सक्षम करना। [पीडीएफ]

    • Si Chen, Yi Zeng, Won Park, and Ruoxi Jia. arXiv, 2022.

  • बैकडोर रक्षा के लिए एडवर्सेरियल फाइन-ट्यूनिंग: एडवर्सेरियल उदाहरणों को ट्रिगर किए गए नमूनों से जोड़ना। [पीडीएफ]

    • Bingxu Mu, Le Wang, and Zhenxing Niu. arXiv, 2022.

  • न्यूरल नेटवर्क लॉन्डरिंग: डीप न्यूरल नेटवर्क से ब्लैक-बॉक्स बैकडोर वॉटरमार्क हटाना। [पीडीएफ]

    • William Aiken, Hyoungshick Kim, and Simon Woo. arXiv, 2020.

  • HaS-Nets: डेटा संग्रह परिदृश्यों के लिए बैकडोर हमलों से DNN की रक्षा हेतु एक हील एंड सिलेक्ट तंत्र। [पीडीएफ]

    • Hassan Ali, Surya Nepal, Salil S. Kanhere, and Sanjay Jha. arXiv, 2020.
    • Shuwen Chai and Jinghui Chen. NeurIPS, 2022.

  • AEVA: एडवर्सेरियल एक्सट्रीम वैल्यू विश्लेषण का उपयोग करके ब्लैक-बॉक्स बैकडोर पहचान। [pdf] [code]

    • Junfeng Guo, Ang Li, and Cong Liu. ICLR, 2022.

  • ट्रोजन पहचान के लिए टोपोलॉजिकल प्रायर के साथ ट्रिगर खोज। [pdf] [code]

    • Xiaoling Hu, Xiao Lin, Michael Cogswell, Yi Yao, Susmit Jha, and Chao Chen. ICLR, 2022.

  • मशीन अनलर्निंग के साथ बैकडोर बचाव। [pdf]

    • Yang Liu, Mingyuan Fan, Cen Chen, Ximeng Liu, Zhuo Ma, Li Wang, and Jianfeng Ma. INFOCOM, 2022.

  • सीमित जानकारी और डेटा के साथ बैकडोर हमलों की ब्लैक-बॉक्स पहचान। [pdf]

    • Yinpeng Dong, Xiao Yang, Zhijie Deng, Tianyu Pang, Zihao Xiao, Hang Su, and Jun Zhu. ICCV, 2021.

  • के-आर्म ऑप्टिमाइज़ेशन के माध्यम से गहरे तंत्रिका नेटवर्क के लिए बैकडोर स्कैनिंग। [pdf] [code]

    • Guangyu Shen, Yingqi Liu, Guanhong Tao, Shengwei An, Qiuling Xu, Siyuan Cheng, Shiqing Ma, and Xiangyu Zhang. ICML, 2021.

  • गहरे तंत्रिका नेटवर्क में ट्रोजन बैकडोर के निरीक्षण और उन्मूलन की दिशा में। [pdf] [previous version] [code]

    • Wenbo Guo, Lun Wang, Xinyu Xing, Min Du, and Dawn Song. ICDM, 2020.

  • GangSweep: GAN द्वारा न्यूरल बैकडोर को साफ करें। [pdf]

    • Liuwan Zhu, Rui Ning, Cong Wang, Chunsheng Xin, and Hongyi Wu. ACM MM, 2020.

  • प्रशिक्षण सेट तक पहुंच के बिना प्रशिक्षित क्लासिफायर में बैकडोर की पहचान। [pdf]

    • Z Xiang, DJ Miller, and G Kesidis. IEEE Transactions on Neural Networks and Learning Systems, 2020.

  • न्यूरल क्लीन्ज़: तंत्रिका नेटवर्क में बैकडोर हमलों की पहचान और शमन। [pdf] [code]

    • Bolun Wang, Yuanshun Yao, Shawn Shan, Huiying Li, Bimal Viswanath, Haitao Zheng, Ben Y. Zhao. IEEE S&P, 2019.

  • जनरेटिव वितरण मॉडलिंग के माध्यम से न्यूरल बैकडोर की सुरक्षा। [pdf] [code]

    • Ximing Qiao, Yukun Yang, and Hai Li. NeurIPS, 2019.

  • DeepInspect: गहरे तंत्रिका नेटवर्क के लिए ब्लैक-बॉक्स ट्रोजन पहचान और शमन ढांचा। [pdf]

    • Huili Chen, Cheng Fu, Jishen Zhao, Farinaz Koushanfar. IJCAI, 2019.

  • बैकडोर युक्त चेहरा पहचान नेटवर्क के लिए भौतिक रूप से वास्तविक ट्रिगर की पहचान। [link]

    • Ankita Raj, Ambar Pal, and Chetan Arora. ICIP, 2021.

  • अधिकतम प्राप्त करने योग्य गलत वर्गीकरण अंश आँकड़े के माध्यम से प्रशिक्षण सेट के बिना DNN में बोधगम्य बैकडोर प्रकट करना। [pdf]

    • Zhen Xiang, David J. Miller, Hang Wang, and George Kesidis. MLSP, 2020.

  • एकाधिक बैकडोर पहचान के लिए अनुकूली विक्षोभ उत्पादन। [pdf]

    • Yuhang Wang, Huafeng Shi, Rui Min, Ruijia Wu, Siyuan Liang, Yichao Wu, Ding Liang, and Aishan Liu. arXiv, 2022.

  • आत्मविश्वास मायने रखता है: वितरण हस्तांतरण के माध्यम से गहरे तंत्रिका नेटवर्क में बैकडोर का निरीक्षण। [pdf]

    • Tong Wang, Yuan Yao, Feng Xu, Miao Xu, Shengwei An, and Ting Wang. arXiv, 2022.

  • बहु-लक्ष्य ट्रोजन हमलों के खिलाफ बचाव। [pdf]

    • Haripriya Harikumar, Santu Rana, Kien Do, Sunil Gupta, Wei Zong, Willy Susilo, and Svetha Venkastesh. arXiv, 2022.

  • बैकडोर बचाव के लिए मॉडल-कंट्रास्टिव लर्निंग। [pdf]

    • Zhihao Yue, Jun Xia, Zhiwei Ling, Ting Wang, Xian Wei, and Mingsong Chen. arXiv, 2022.

  • CatchBackdoor: विभेदक फज़िंग के माध्यम से महत्वपूर्ण ट्रोजन न्यूरल पथ पहचान द्वारा बैकडोर परीक्षण। [pdf]

    • Haibo Jin, Ruoxi Chen, Jinyin Chen, Yao Cheng, Chong Fu, Ting Wang, Yue Yu, and Zhaoyan Ming. arXiv, 2021.

  • जनरेटिव एडवर्सेरियल नेटवर्क के माध्यम से गहरे तंत्रिका नेटवर्क में वॉटरमार्क का पता लगाना और हटाना। [pdf]

    • Haoqi Wang, Mingfu Xue, Shichang Sun, Yushu Zhang, Jian Wang, and Weiqiang Liu. arXiv, 2021.

  • TAD: AI के लिए ट्रिगर सन्निकटन आधारित ब्लैक-बॉक्स ट्रोजन पहचान। [pdf]

    • Xinqiao Zhang, Huili Chen, and Farinaz Koushanfar. arXiv, 2021.

  • तंत्रिका नेटवर्क में स्केलेबल बैकडोर पहचान। [pdf]

    • Haripriya Harikumar, Vuong Le, Santu Rana, Sourangshu Bhattacharya, Sunil Gupta, and Svetha Venkatesh. arXiv, 2020.

  • NNoculation: बैकडोर युक्त DNN का व्यापक-स्पेक्ट्रम और लक्षित उपचार। [pdf] [code]

    • Akshaj Kumar Veldanda, Kang Liu, Benjamin Tan, Prashanth Krishnamurthy, Farshad Khorrami, Ramesh Karri, Brendan Dolan-Gavitt, and Siddharth Garg. arXiv, 2020.
    • ICASSP

  • जो आपको मारता नहीं, वह आपको मजबूत(अधिक) बनाता है: विषाक्तता और बैकडोर के खिलाफ एडवर्सेरियल प्रशिक्षण। [pdf]

    • Jonas Geiping, Liam Fowl, Gowthami Somepalli, Micah Goldblum, Michael Moeller, and Tom Goldstein. ICLR Workshop, 2021.

  • सीमित डेटा के साथ तंत्रिका नेटवर्क में बैकडोर-आधारित वॉटरमार्क हटाना। [pdf]

    • Xuankai Liu, Fengting Li, Bihan Wen, and Qi Li. ICPR, 2021.

  • मास्क और रिस्टोर: मास्क्ड ऑटोएन्कोडर के साथ परीक्षण समय पर ब्लाइंड बैकडोर बचाव। [pdf] [code]

    • Tao Sun, Lu Pang, Chao Chen, and Haibin Ling. arXiv, 2023.

  • बैकडोर हमलों के खिलाफ एडवर्सेरियल प्रशिक्षण की प्रभावशीलता पर। [pdf]

    • Yinghua Gao, Dongxian Wu, Jingfeng Zhang, Guanhao Gan, Shu-Tao Xia, Gang Niu, and Masashi Sugiyama. arXiv, 2022.

  • चेहरे की पहचान में विश्वास को पुनर्जीवित करना: संभावित गोपनीयता उल्लंघनों को रोकने के लिए चेहरे की पहचान में बैकडोर हमलों को कम करना। [pdf]

    • Reena Zelenkova, Jack Swallow, M. A. P. Chamikara, Dongxi Liu, Mohan Baruwal Chhetri, Seyit Camtepe, Marthie Grobler, and Mahathir Almashor. arXiv, 2022.

  • SanitAIs: ट्रोजन युक्त तंत्रिका नेटवर्क को साफ करने के लिए अनुपरीक्षित डेटा संवर्धन। [pdf]

    • Kiran Karra and Chace Ashcraft. arXiv, 2021.

  • ग्रेडिएंट शेपिंग के साथ डेटा विषाक्तता हमलों को कम करने की प्रभावशीलता पर। [pdf] [code]

    • Sanghyun Hong, Varun Chandrasekaran, Yiğitcan Kaya, Tudor Dumitraş, and Nicolas Papernot. arXiv, 2020.

  • DP-InstaHide: विभेदक रूप से निजी डेटा संवर्धन के साथ विषाक्तता और बैकडोर हमलों को प्रमाणित रूप से निष्क्रिय करना। [pdf]

    • Eitan Borgnia, Jonas Geiping, Valeriia Cherepanova, Liam Fowl, Arjun Gupta, Amin Ghiasi, Furong Huang, Micah Goldblum, and Tom Goldstein. arXiv, 2021.
    • IEEE Transactions on Dependable and Secure Computing

  • LinkBreaker: न्यूरॉन्स स्थिरता जांच के माध्यम से DNN में बैकडोर-ट्रिगर लिंक को तोड़ना। [link]

    • Zhenzhu Chen, Shang Wang, Anmin Fu, Yansong Gao, Shui Yu, and Robert H. Deng. IEEE Transactions on Information Forensics and Security, 2022.

  • गहन शिक्षण प्रणालियों के लिए समानता-आधारित अखंडता संरक्षण। [link]

    • Ruitao Hou, Shan Ai, Qi Chen, Hongyang Yan, Teng Huang, and Kongyang Chen. Information Sciences, 2022.

  • पुनरावृत्त सीमांकन द्वारा एडवर्सेरियल-बैकडोर हटाने के लिए एक फीचर-आधारित ऑन-लाइन डिटेक्टर। [pdf]

    • Hao Fu, Akshaj Kumar Veldanda, Prashanth Krishnamurthy, Siddharth Garg, and Farshad Khorrami. IEEE ACCESS, 2022.

  • बैकडोर हमलों के ट्रिगर पर पुनर्विचार: एक आवृत्ति परिप्रेक्ष्य। [pdf] [code]

    • Yi Zeng, Won Park, Z. Morley Mao, and Ruoxi Jia. ICCV, 2021.

  • वेरिएंट में डेमन: मजबूत बैकडोर संदूषण पहचान के लिए DNN का सांख्यिकीय विश्लेषण। [pdf] [code]

    • Di Tang, XiaoFeng Wang, Haixu Tang, and Kehuan Zhang. USENIX Security, 2021.- SPECTRE: मजबूत सांख्यिकी का उपयोग करके बैकडोर आक्रमणों से बचाव। [pdf] [code]
    • Jonathan Hayase, Weihao Kong, Raghav Somani, और Sewoong Oh. ICML, 2021.

  • CLEANN: एम्बेडेड तंत्रिका नेटवर्क के लिए त्वरित ट्रोजन शील्ड। [pdf]

    • Mojan Javaheripi, Mohammad Samragh, Gregory Fields, Tara Javidi, और Farinaz Koushanfar. ICCAD, 2020.

  • डिफरेंशियल प्राइवेसी के माध्यम से मजबूत विसंगति पहचान और बैकडोर आक्रमण पहचान। [pdf] [code]

    • Min Du, Ruoxi Jia, और Dawn Song. ICLR, 2020.

  • कोसाइन समानता का उपयोग करके लक्षित प्रशिक्षण सेट आक्रमणों के विरुद्ध सरल, आक्रमण-अज्ञेय रक्षा। [pdf] [code]

    • Zayd Hammoudeh और Daniel Lowd. ICML Workshop, 2021.

  • SentiNet: डीप लर्निंग प्रणालियों के विरुद्ध स्थानीयकृत सार्वभौमिक आक्रमणों का पता लगाना। [pdf]

    • Edward Chou, Florian Tramèr, और Giancarlo Pellegrino. IEEE S&P Workshop, 2020.

  • STRIP: गहरे तंत्रिका नेटवर्क पर ट्रोजन आक्रमणों के विरुद्ध एक रक्षा। [pdf] [extension] [code]

    • Yansong Gao, Chang Xu, Derui Wang, Shiping Chen, Damith C. Ranasinghe, और Surya Nepal. ACSAC, 2019.

  • एक्टिवेशन क्लस्टरिंग द्वारा गहरे तंत्रिका नेटवर्क पर बैकडोर आक्रमणों का पता लगाना। [pdf] [code]

    • Bryant Chen, Wilka Carvalho, Nathalie Baracaldo, Heiko Ludwig, Benjamin Edwards, Taesung Lee, Ian Molloy, और Biplav Srivastava. AAAI Workshop, 2019.

  • डेटा पॉइज़निंग आक्रमणों का पता लगाने के लिए गहरे प्रायिक मॉडल। [pdf]

    • Mahesh Subedar, Nilesh Ahuja, Ranganath Krishnan, Ibrahima J. Ndiour, और Omesh Tickoo. NeurIPS Workshop, 2019.

  • बैकडोर आक्रमणों में वर्णक्रमीय हस्ताक्षर। [pdf] [code]

    • Brandon Tran, Jerry Li, और Aleksander Madry. NeurIPS, 2018.

  • ट्रोजन आक्रमणों के विरुद्ध एक अनुकूली ब्लैक-बॉक्स रक्षा (TrojDef)। [pdf]

    • Guanxiong Liu, Abdallah Khreishah, Fatima Sharadgah, और Issa Khalil. arXiv, 2022.

  • ज़हर का ज़हर से मुकाबला: सौम्य सहसंबंधों को अलग करके बैकडोर पॉइज़न नमूनों का पता लगाना। [pdf] [code]

    • Xiangyu Qi, Tinghao Xie, Saeed Mahloujifar, और Prateek Mittal. arXiv, 2022.

  • PiDAn: गहरे तंत्रिका नेटवर्क में बैकडोर आक्रमण पहचान और शमन के लिए एक सुसंगतता अनुकूलन दृष्टिकोण। [pdf]

    • Yue Wang, Wenqing Li, Esha Sarkar, Muhammad Shafique, Michail Maniatakos, और Saif Eddin Jabari. arXiv, 2022.

  • इनपुट डोमेन से तंत्रिका नेटवर्क ट्रोजन का विश्लेषण और शमन। [pdf]

    • Zhenting Wang, Hailun Ding, Juan Zhai, और Shiqing Ma. arXiv, 2022.

  • प्रभाव ग्राफ के माध्यम से बैकडोर आक्रमणों के विरुद्ध बचाव के लिए एक सामान्य ढांचा। [pdf]

    • Xiaofei Sun, Jiwei Li, Xiaoya Li, Ziyao Wang, Tianwei Zhang, Han Qiu, Fei Wu, और Chun Fan. arXiv, 2021.

  • NTD: गैर-स्थानांतरणीयता-सक्षम बैकडोर पहचान। [pdf]

    • Yinshan Li, Hua Ma, Zhi Zhang, Yansong Gao, Alsharif Abuadbba, Anmin Fu, Yifeng Zheng, Said F. Al-Sarawi, और Derek Abbott. arXiv, 2021.

  • कार्य-संचालित डेटा गुणवत्ता प्रबंधन के लिए एक एकीकृत ढांचा। [pdf]

    • Tianhao Wang, Yi Zeng, Ming Jin, और Ruoxi Jia. arXiv, 2021.

  • TESDA: गहरे तंत्रिका नेटवर्क में आक्रमणों की ट्रांसफॉर्म-सक्षम सांख्यिकीय पहचान। [pdf]

    • Chandramouli Amarnath, Aishwarya H. Balwani, Kwondo Ma, और Abhijit Chatterjee. arXiv, 2021.

  • तंत्रिका नेटवर्क में डेटा पॉइज़निंग आक्रमणों का ट्रेसबैक। [pdf]

    • Shawn Shan, Arjun Nitin Bhagoji, Haitao Zheng, और Ben Y. Zhao. arXiv, 2021.

  • स्व-विस्तार और संगतता का उपयोग करके डेटा पॉइज़निंग के विरुद्ध प्रमाणित गारंटी। [pdf]

    • Charles Jin, Melinda Sun, और Martin Rinard. arXiv, 2021.

  • गलत-आरोपण का उपयोग करके ट्रोजनयुक्त मॉडलों की ऑनलाइन रक्षा। [pdf]

    • Panagiota Kiourti, Wenchao Li, Anirban Roy, Karan Sikka, और Susmit Jha. arXiv, 2021.

  • जानबूझकर किए गए प्रतिकूल विक्षोभों के माध्यम से गहरे तंत्रिका नेटवर्क में बैकडोर का पता लगाना। [pdf]

    • Mingfu Xue, Yinghao Wu, Zhiyu Wu, Jian Wang, Yushu Zhang, और Weiqiang Liu. arXiv, 2021.

  • मजबूत मशीन लर्निंग मॉडलों में बैकडोर का पर्दाफाश। [pdf]

    • Ezekiel Soremekun, Sakshi Udeshi, और Sudipta Chattopadhyay. arXiv, 2020.

  • HaS-Nets: डेटा संग्रह परिदृश्यों के लिए बैकडोर आक्रमणों के विरुद्ध DNN की रक्षा हेतु एक हील और चयन तंत्र। [pdf]

    • Hassan Ali, Surya Nepal, Salil S. Kanhere, और Sanjay Jha. arXiv, 2020.

  • इलाज के रूप में ज़हर: गहरे तंत्रिका नेटवर्क में परिवर्तनशील-आकार के बैकडोर आक्रमणों का पता लगाना और उन्हें निष्प्रभावी करना। [pdf]

    • Alvin Chan, और Yew-Soon Ong. arXiv, 2019.
    • Binghui Wang, Xiaoyu Cao, Jinyuan jia, और Neil Zhenqiang Gong. CVPR Workshop, 2020.

  • BagFlip: डेटा पॉइज़निंग के विरुद्ध एक प्रमाणित रक्षा। [pdf]

    • Yuhao Zhang, Aws Albarghouthi, और Loris D'Antoni. arXiv, 2022.
    • [link]
    • Mary Roszel, Robert Norvill, और Radu State. MDAI, 2022.

  • डिफरेंशियल प्राइवेसी के साथ फेडरेटेड लर्निंग में बैकडोर आक्रमणों के विरुद्ध। [link]

    • Lu Miao, Wei Yang, Rong Hu, Lu Li, और Liusheng Huang. ICASSP, 2022.

  • सुरक्षित आंशिक एग्रीगेशन: उद्योग 4.0 अनुप्रयोगों के लिए फेडरेटेड लर्निंग को अधिक मजबूत बनाना। [link]

    • Jiqiang Gao, Baolei Zhang, Xiaojie Guo, Thar Baker, Min Li, और Zheli Liu. IEEE Transactions on Industrial Informatics, 2022.

  • छवि वर्गीकरण हेतु फेडरेटेड लर्निंग में आउटलायर्स की मजबूत फ़िल्टरिंग पर आधारित बैकडोर आक्रमण-सहिष्णु एग्रीगेशन। [link]

    • Nuria Rodríguez-Barroso, Eugenio Martínez-Cámara, M. Victoria Luzónb, और Francisco Herrera. Knowledge-Based Systems, 2022.

  • फेडरेटेड लर्निंग में बैकडोर आक्रमण के विरुद्ध रक्षा। [link] [code]

    • Shiwei Lu, Ruihu Li, Wenbin Liu, और Xuan Chen. Computers & Security, 2022.

  • पॉइज़निंग प्रतिद्वंद्वियों के विरुद्ध गोपनीयता-वर्धित फेडरेटेड लर्निंग। [link]

    • Xiaoyuan Liu, Hongwei Li, Guowen Xu, Zongqi Chen, Xiaoming Huang, और Rongxing Lu. IEEE Transactions on Information Forensics and Security, 2021.

  • मॉडल-निर्भर ट्रिगर्स के साथ फेडरेटेड लर्निंग के विरुद्ध समन्वित बैकडोर आक्रमण। [link]

    • Xueluan Gong, Yanjiao Chen, Huayang Huang, Yuqing Liao, Shuai Wang, और Qian Wang. IEEE Network, 2022.

  • CRFL: बैकडोर आक्रमणों के विरुद्ध प्रमाणित रूप से मजबूत फेडरेटेड लर्निंग। [pdf]

    • Chulin Xie, Minghao Chen, Pin-Yu Chen, और Bo Li. ICML, 2021.

  • अभिशाप या मुक्ति? डेटा विषमता फेडरेटेड लर्निंग की मजबूती को कैसे प्रभावित करती है। [pdf]

    • Syed Zawad, Ahsan Ali, Pin-Yu Chen, Ali Anwar, Yi Zhou, Nathalie Baracaldo, Yuan Tian, और Feng Yan. AAAI, 2021.

  • मजबूत अधिगम दर के साथ फेडरेटेड लर्निंग में बैकडोर के विरुद्ध बचाव। [pdf]

    • Mustafa Safa Ozdayi, Murat Kantarcioglu, और Yulia R. Gel. AAAI, 2021.

  • BaFFLe: फीडबैक-आधारित फेडरेटेड लर्निंग के माध्यम से बैकडोर पहचान। [pdf]

    • ebastien Andreina, Giorgia Azzurra Marson, Helen Möllering, और Ghassan Karame. ICDCS, 2021.

  • PipAttack: आइटम प्रचार में हेरफेर हेतु फेडरेटेड अनुशंसा प्रणालियों को पॉइज़न करना। [pdf]

    • Shijie Zhang, Hongzhi Yin, Tong Chen, Zi Huang, Quoc Viet Hung Nguyen, और Lizhen Cui. WSDM, 2021.

  • औद्योगिक IoT अनुप्रयोगों के लिए फेडरेटेड फ़िल्टर द्वारा बैकडोर आक्रमण का शमन। [link]

    • Boyu Hou, Jiqiang Gao, Xiaojie Guo, Thar Baker, Ying Zhang, Yanlong Wen, और Zheli Liu. IEEE Transactions on Industrial Informatics, 2021.

  • एज कंप्यूटिंग सेवाओं पर बैकडोर आक्रमणों के विरुद्ध स्थिरता-आधारित विश्लेषण और रक्षा। [link]

    • Yi Zhao, Ke Xu, Haiyang Wang, Bo Li, और Ruoxi Jia. IEEE Network, 2021.

  • टेल्स का आक्रमण: हाँ, आप वास्तव में फेडरेटेड लर्निंग में बैकडोर लगा सकते हैं। [pdf]

    • Hongyi Wang, Kartik Sreenivasan, Shashank Rajput, Harit Vishwakarma, Saurabh Agarwal, Jy-yong Sohn, Kangwook Lee, और Dimitris Papailiopoulos. NeurIPS, 2020.

  • DBA: फेडरेटेड लर्निंग के विरुद्ध वितरित बैकडोर आक्रमण। [pdf]

    • Chulin Xie, Keli Huang, Pinyu Chen, और Bo Li. ICLR, 2020.

  • सिबिल परिदृश्यों में फेडरेटेड लर्निंग की सीमाएँ। [pdf] [extension] [code]

    • Clement Fung, Chris J.M. Yoon, और Ivan Beschastnikh. RAID, 2020 (arXiv, 2018).

  • फेडरेटेड लर्निंग में बैकडोर कैसे लगाएँ। [pdf]

    • Eugene Bagdasaryan, Andreas Veit, Yiqing Hua, Deborah Estrin, और Vitaly Shmatikov. AISTATS, 2020 (arXiv, 2018).

  • BEAS: ब्लॉकचेन-सक्षम अतुल्यकालिक और सुरक्षित फेडरेटेड मशीन लर्निंग। [pdf]

    • Arup Mondal, Harpreet Virk, और Debayan Gupta. AAAI Workshop, 2022.

  • फ़ीचर-विभाजित सहयोगी अधिगम में बैकडोर आक्रमण और रक्षाएँ। [pdf]

    • Yang Liu, Zhihao Yi, और Tianjian Chen. ICML Workshop, 2020.

  • क्या आप वास्तव में फेडरेटेड लर्निंग में बैकडोर लगा सकते हैं? [pdf]

    • Ziteng Sun, Peter Kairouz, Ananda Theertha Suresh, और H. Brendan McMahan. NeurIPS Workshop, 2019.

  • फेडरेटेड बैकडोर आक्रमणों से बचाव के लिए इनवेरिएंट एग्रीगेटर। [pdf]

    • Xiaoyang Wang, Dimitrios Dimitriadis, Sanmi Koyejo, और Shruti Tople. arXiv, 2022.

  • फेडरेटेड लर्निंग को कवच देना: कम बाधाओं के साथ बाइज़ेंटाइन आक्रमणों का शमन। [pdf]

    • Minghui Li, Wei Wan, Jianrong Lu, Shengshan Hu, Junyu Shi, और Leo Yu Zhang. arXiv, 2022.

  • दृश्य पहचान के लिए फेडरेटेड ज़ीरो-शॉट लर्निंग। [pdf]

    • Zhi Chen, Yadan Luo, Sen Wang, Jingjing Li, और Zi Huang. arXiv, 2022.

  • संपूर्ण जनसंख्या ज्ञान संरेखण के साथ बैकडोर फेडरेटेड लर्निंग की सहायता करना। [pdf]

    • Tian Liu, Xueyang Hu, और Tao Shu. arXiv, 2022.

  • FL-Defender: फेडरेटेड लर्निंग में लक्षित आक्रमणों का मुकाबला। [pdf]

    • Najeeb Jebreel और Josep Domingo-Ferrer. arXiv, 2022.

  • बैकडोर आक्रमण फेडरेटेड GAN-आधारित चिकित्सा छवि संश्लेषण में एक शैतान है। [pdf]

    • Ruinan Jin और Xiaoxiao Li. arXiv, 2022.

  • SafeNet: निजी मशीन लर्निंग पर डेटा पॉइज़निंग आक्रमणों का शमन। [pdf] [code]

    • Harsh Chaudhari, Matthew Jagielski, और Alina Oprea. arXiv, 2022.

  • PerDoor: प्रतिकूल विक्षोभों का उपयोग करके फेडरेटेड लर्निंग में स्थायी गैर-समान बैकडोर। [pdf] [code]

    • Manaar Alam, Esha Sarkar, और Michail Maniatakos. arXiv, 2022.

  • सतत फेडरेटेड लर्निंग में बैकडोर आक्रमणों के विरुद्ध एक रक्षा की दिशा में। [pdf]

    • Shuaiqi Wang, Jonathan Hayase, Giulia Fanti, और Sewoong Oh. arXiv, 2022.

  • फेडरेटेड लर्निंग में क्लाइंट-वार लक्षित बैकडोर। [pdf]

    • Gorka Abad, Servio Paguada, Stjepan Picek,- फ़ेडरेटेड लर्निंग में सुदृढ़ता और गोपनीयता की ओर: स्थानीय और केंद्रीय विभेदक गोपनीयता के साथ प्रयोग। [pdf]
    • Mohammad Naseri, Jamie Hayes, and Emiliano De Cristofaro. arXiv, 2020.

  • फ़ेडरेटेड मेटा-लर्निंग पर बैकडोर हमले। [pdf]

    • Chien-Lun Chen, Leana Golubchik, and Marco Paolieri. arXiv, 2020.

  • फ़ेडरेटेड लर्निंग के विरुद्ध गतिशील बैकडोर हमले। [pdf]

    • Anbu Huang. arXiv, 2020.

  • प्रतिकूल परिदृश्यों में फ़ेडरेटेड लर्निंग। [pdf]

    • Raouf Kerkouche, Gergely Ács, and Claude Castelluccia. arXiv, 2020.

  • BlockFLA: हाइब्रिड ब्लॉकचेन आर्किटेक्चर के माध्यम से जवाबदेह फ़ेडरेटेड लर्निंग। [pdf]

    • Harsh Bimal Desai, Mustafa Safa Ozdayi, and Murat Kantarcioglu. arXiv, 2020.

  • फ़ेडरेटेड लर्निंग में बैकडोर हमलों का शमन। [pdf]

    • Chen Wu, Xian Yang, Sencun Zhu, and Prasenjit Mitra. arXiv, 2020.

  • सुदृढ़ फ़ेडरेटेड लर्निंग के लिए दुर्भावनापूर्ण क्लाइंट्स का पता लगाना सीखना। [pdf]

    • Suyi Li, Yong Cheng, Wei Wang, Yang Liu, and Tianjian Chen. arXiv, 2020.

  • अवशेष-आधारित पुनर्भारण के साथ हमला-प्रतिरोधी फ़ेडरेटेड लर्निंग। [pdf] [code]

    • Shuhao Fu, Chulin Xie, Bo Li, and Qifeng Chen. arXiv, 2019.
    • [pdf]
    [code]
    • Zhengyan Zhang, Guangxuan Xiao, Yongwei Li, Tian Lv, Fanchao Qi, Zhiyuan Liu, Yasheng Wang, Xin Jiang, and Maosong Sun. arXiv, 2021.
    [pdf]
    • Junfeng Guo, Ang Li, and Cong Liu. arXiv, 2022.

  • अनुक्रमिक मॉडलों में जानबूझकर बैकडोर का डिज़ाइन। [pdf]

    • Zhaoyuan Yang, Naresh Iyer, Johan Reimann, and Nurali Virani. arXiv, 2019.
    • IEEE S&P

  • PICCOLO: NLP ट्रांसफार्मर मॉडलों में जटिल बैकडोर को उजागर करना। [pdf] [code]

    • Yingqi Liu, Guangyu Shen, Guanhong Tao, Shengwei An, Shiqing Ma, and Xiangyu Zhang. IEEE S&P, 2022.

  • स्वच्छ लेबलों के साथ NLP कार्यों के लिए ट्रिगर-रहित बैकडोर हमला। [pdf]

    • Leilei Gan, Jiwei Li, Tianwei Zhang, Xiaoya Li, Yuxian Meng, Fei Wu, Shangwei Guo, and Chun Fan. NAACL, 2022.

  • ट्रोजनयुक्त BERT में ध्यान असामान्यता का एक अध्ययन। [pdf] [code]

    • Weimin Lyu, Songzhu Zheng, Tengfei Ma, and Chao Chen. NAACL, 2022.

  • NLP मॉडल बैकडोर खोलने वाले ट्रिगर प्रतिकूल नमूनों में छिपे होते हैं। [link]

    • Kun Shao, Yu Zhang, Junan Yang, Xiaoshuai Li, and Hui Liu. Computers & Security, 2022.

  • BDDR: पाठ्य बैकडोर हमलों के विरुद्ध एक प्रभावी रक्षा। [pdf]

    • Kun Shao, Junan Yang, Yang Ai, Hui Liu, and Yu Zhang. Computers & Security, 2021.

  • BadPre: पूर्व-प्रशिक्षित NLP फाउंडेशन मॉडलों पर कार्य-निरपेक्ष बैकडोर हमले। [pdf]

    • Kangjie Chen, Yuxian Meng, Xiaofei Sun, Shangwei Guo, Tianwei Zhang, Jiwei Li, and Chun Fan. ICLR, 2022.

  • प्रॉम्प्ट-आधारित अधिगम प्रतिमान की सार्वभौमिक भेद्यता की खोज। [pdf] [code]

    • Lei Xu, Yangyi Chen, Ganqu Cui, Hongcheng Gao, and Zhiyuan Liu. NAACL-Findings, 2022.

  • बैकडोर पूर्व-प्रशिक्षित मॉडल सभी में स्थानांतरित हो सकते हैं। [pdf]

    • Lujia Shen, Shouling Ji, Xuhong Zhang, Jinfeng Li, Jing Chen, Jie Shi, Chengfang Fang, Jianwei Yin, and Ting Wang. CCS, 2021.

  • BadNL: अर्थ-संरक्षण सुधारों के साथ NLP मॉडलों के विरुद्ध बैकडोर हमले। [pdf] [arXiv-20]

    • Xiaoyi Chen, Ahmed Salem, Dingfan Chen, Michael Backes, Shiqing Ma, Qingni Shen, Zhonghai Wu, and Yang Zhang. ACSAC, 2021.

  • स्तरवार वेट पॉइज़निंग द्वारा पूर्व-प्रशिक्षित मॉडलों पर बैकडोर हमले। [pdf]

    • Linyang Li, Demin Song, Xiaonan Li, Jiehang Zeng, Ruotian Ma, and Xipeng Qiu. EMNLP, 2021.

  • T-Miner: DNN-आधारित पाठ वर्गीकरण पर ट्रोजन हमलों से बचाव के लिए एक जनरेटिव दृष्टिकोण। [pdf]

    • Ahmadreza Azizi, Ibrahim Asadullah Tahmid, Asim Waheed, Neal Mangaokar, Jiameng Pu, Mobin Javed, Chandan K. Reddy, and Bimal Viswanath. USENIX Security, 2021.

  • RAP: NLP मॉडलों पर बैकडोर हमलों से बचाव के लिए सुदृढ़ता-जागरूक व्यवधान। [pdf] [code]

    • Wenkai Yang, Yankai Lin, Peng Li, Jie Zhou, and Xu Sun. EMNLP, 2021.

  • ONION: पाठ्य बैकडोर हमलों के विरुद्ध एक सरल और प्रभावी रक्षा। [pdf]

    • Fanchao Qi, Yangyi Chen, Mukai Li, Zhiyuan Liu, and Maosong Sun. EMNLP, 2021.

  • पाठ की शैली का ध्यान रखें! पाठ शैली स्थानांतरण पर आधारित प्रतिकूल और बैकडोर हमले। [pdf] [code]

    • Fanchao Qi, Yangyi Chen, Xurui Zhang, Mukai Li, Zhiyuan Liu, and Maosong Sun. EMNLP, 2021.

  • NLP मॉडलों के विरुद्ध बैकडोर हमले की छिपाव पर पुनर्विचार। [pdf] [code]

    • Wenkai Yang, Yankai Lin, Peng Li, Jie Zhou, and Xu Sun. ACL, 2021.

  • संयोजन ताला घुमाएँ: शब्द प्रतिस्थापन के माध्यम से सीखने योग्य पाठ्य बैकडोर हमले। [pdf]

    • Fanchao Qi, Yuan Yao, Sophia Xu, Zhiyuan Liu, and Maosong Sun. ACL, 2021.

  • छिपा हत्यारा: वाक्यविन्यासी ट्रिगर के साथ अदृश्य पाठ्य बैकडोर हमले। [pdf] [code]

    • Fanchao Qi, Mukai Li, Yangyi Chen, Zhengyan Zhang, Zhiyuan Liu, Yasheng Wang, and Maosong Sun. ACL, 2021.

  • विभेदक गोपनीयता के साथ पाठ वर्गीकरण में डेटा पॉइज़निंग का शमन। [pdf]

    • Chang Xu, Jun Wang, Francisco Guzmán, Benjamin I. P. Rubinstein, and Trevor Cohn. EMNLP-Findings, 2021.

  • BFClass: एक बैकडोर-मुक्त पाठ वर्गीकरण ढाँचा। [pdf] [code]

    • Zichao Li, Dheeraj Mekala, Chengyu Dong, and Jingbo Shang. EMNLP-Findings, 2021.

  • ज़हरीले शब्द एम्बेडिंग से सावधान रहें: NLP मॉडलों में एम्बेडिंग परतों की भेद्यता की खोज। [pdf] [code]

    • Wenkai Yang, Lei Li, Zhiyuan Zhang, Xuancheng Ren, Xu Sun, and Bin He. NAACL-HLT, 2021.

  • तंत्रिका नेटवर्क सर्जरी: न्यूनतम उदाहरण-वार दुष्प्रभावों के साथ पूर्व-प्रशिक्षित मॉडलों में डेटा पैटर्न सम्मिलित करना। [pdf]

    • Zhiyuan Zhang, Xuancheng Ren, Qi Su, Xu Sun, and Bin He. NAACL-HLT, 2021.

  • एक व्याख्या योग्य RNN अमूर्त मॉडल का उपयोग करके पाठ्य बैकडोर का पता लगाना। [link]

    • Ming Fan, Ziliang Si, Xiaofei Xie, Yang Liu, and Ting Liu. IEEE Transactions on Information Forensics and Security, 2021.

  • पाठ वर्गीकरण प्रणाली के लिए पाठ्य बैकडोर हमला। [pdf]

    • Hyun Kwon and Sanghyun Lee. Security and Communication Networks, 2021.

  • पूर्व-प्रशिक्षित मॉडलों पर वेट पॉइज़निंग हमले। [pdf] [code]

    • Keita Kurita, Paul Michel, and Graham Neubig. ACL, 2020.