Backdoor-Attack-Defense-LLMs

Interpretability-of-LLMs

IBSDは、IEEE Signal Processing Letters（2025.10）に掲載された論文「IBSD: Iterable Black-box Self-defense Against Backdoor Attacks」のコードです。論文リンク

SLIPは、2026-ACL-findingsに掲載された論文「SLIP: Soft Label Mechanism and Key-Extraction-Guided CoT-based Defense Against Instruction Backdoor in APIs」のコードです。論文リンク。

BeDKDは、2026-AAAIに採択された論文「BeDKD: Backdoor Defense based on Directional Mapping Module and Adversarial Knowledge Distillation」のコードです。論文リンク。

BadApexは、ArXivのプレプリント論文「BadApex: Backdoor Attack Based on Adaptive Optimization Mechanism of Black-box Large Language Models」のコードです。論文リンク