thuyimingli/backdoor-learning-resourcesबैकडोर 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।
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 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।
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} }
## 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)
बैकडोर लर्निंग: एक सर्वेक्षण। [pdf]
डीप लर्निंग पर बैकडोर हमले और प्रतिउपाय: एक व्यापक समीक्षा। [pdf]
मशीन लर्निंग के लिए डेटा सुरक्षा: डेटा पॉइज़निंग, बैकडोर हमले और रक्षा। [pdf]
मशीन लर्निंग में पॉइज़निंग हमलों और प्रतिउपायों पर एक व्यापक सर्वेक्षण। [लिंक]
फेडरेटेड लर्निंग में बैकडोर हमले और रक्षा: अत्याधुनिक, वर्गीकरण और भविष्य की दिशाएँ। [लिंक]
डीप न्यूरल नेटवर्क में छवि वर्गीकरण मॉडलों पर बैकडोर हमले। [लिंक]
न्यूरल ट्रोजन हमलों के विरुद्ध रक्षा: एक सर्वेक्षण। [लिंक]
न्यूरल ट्रोजन पर एक सर्वेक्षण। [pdf]
आवाज़ पहचान प्रणालियों के विरुद्ध बैकडोर हमले: एक सर्वेक्षण। [pdf]
डीप लर्निंग में न्यूरल ट्रोजन हमलों और रक्षा का एक सर्वेक्षण। [pdf]
पूर्व-प्रशिक्षित भाषा मॉडलों के लिए खतरे: सर्वेक्षण और वर्गीकरण। [pdf]
डीप न्यूरल नेटवर्क के विरुद्ध बैकडोर हमलों और संभावित बचाव का एक अवलोकन। [pdf]
डीप लर्निंग बैकडोर। [pdf]