thuyimingli/backdoor-learning-resourcesElenco curato di paper, survey e toolbox sul backdoor learning, che organizza attacchi basati su poisoning e difese nel deep learning per ricercatori e professionisti della sicurezza.
Questo repository GitHub riassume un elenco di risorse sul Backdoor Learning. Per maggiori dettagli e criteri di categorizzazione, fate riferimento alla nostra survey.
Faremo del nostro meglio per mantenere questo repository GitHub aggiornato con cadenza mensile.
Il backdoor learning è un'area di ricerca emergente che discute i problemi di sicurezza del processo di addestramento degli algoritmi di machine learning. È fondamentale per adottare in sicurezza risorse di addestramento o modelli di terze parti nella realtà.
Nota: 'Backdoor' è anche comunemente chiamato 'Neural Trojan' o 'Trojan'.
Se il nostro repo o la nostra survey è utile per la vostra ricerca, citate il nostro articolo come segue:``` @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} }
## Come contribuire
<p align="center">
<img src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" alt="Abbiamo bisogno di te!">
</p>
Per favore aiuta a contribuire a questa lista contattando [me](http://liyiming.tech) o inviando una [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: Nello stesso anno, si prega di inserire l'articolo di conferenza prima dell'articolo di rivista, poiché gli articoli di rivista vengono solitamente sottomessi molto tempo prima e quindi hanno un certo ritardo. (cioè, Conferenze-->Riviste-->Preprint)
Backdoor Learning: A Survey. [pdf]
Backdoor Attacks and Countermeasures on Deep Learning: A Comprehensive Review. [pdf]
Data Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses. [pdf]
A Comprehensive Survey on Poisoning Attacks and Countermeasures in Machine Learning. [link]
Backdoor Attacks and Defenses in Federated Learning: State-of-the-art, Taxonomy, and Future Directions. [link]
Backdoor Attacks on Image Classification Models in Deep Neural Networks. [link]
Defense against Neural Trojan Attacks: A Survey. [link]
A Survey on Neural Trojans. [pdf]
Backdoor Attacks against Voice Recognition Systems: A Survey. [pdf]
A Survey of Neural Trojan Attacks and Defenses in Deep Learning. [pdf]
Threats to Pre-trained Language Models: Survey and Taxonomy. [pdf]
An Overview of Backdoor Attacks Against Deep Neural Networks and Possible Defences. [pdf]