Recursos de Backdoor Learning

Este repositório do Github resume uma lista de recursos de Backdoor Learning. Para mais detalhes e os critérios de categorização, consulte nossa pesquisa.

Faremos o possível para manter continuamente este Repositório do Github mensalmente.

Por que Backdoor Learning?

Backdoor learning é uma área de pesquisa emergente que discute as questões de segurança do processo de treinamento de algoritmos de aprendizado de máquina. É crucial para adotar com segurança recursos ou modelos de treinamento de terceiros na prática.

Nota: 'Backdoor' também é comumente chamado de 'Neural Trojan' ou 'Trojan'.

Notícias

2023/7/24: Adicionei dez artigos do ICLR'23. Todos os artigos desta conferência já devem ter sido incluídos agora.
2023/7/23: Adicionei sete artigos do NeurIPS'22 e quatro artigos do AAAI'23. Todos os artigos dessas conferências já devem ter sido incluídos agora.
2023/01/25: Lamento profundamente ter recentemente suspendido a leitura dos artigos relacionados e as atualizações deste Repo, devido a algumas questões pessoais, como doença e redação da tese de doutorado. Retomarei as atualizações após junho de 2023.
2022/12/05: Altere ligeiramente o formato do repositório colocando os artigos de conferências antes dos artigos de periódicos. Especificamente, no mesmo ano, coloque o artigo de conferência antes do artigo de periódico, pois os periódicos geralmente são submetidos há muito tempo e, portanto, têm um certo atraso.
2022/12/05: Adicionei três artigos do ECCV'22. Todos os artigos desta conferência já devem ter sido incluídos agora.

Referência

Se nosso repositório ou pesquisa for útil para sua pesquisa, cite nosso artigo da seguinte forma:``` @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} }

## Contribuindo
<p align="center">
  <img src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" alt="Precisamos de Você!">
</p>

Por favor, ajude a contribuir com esta lista entrando em contato com [mim](http://liyiming.tech) ou adicione um [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: No mesmo ano, coloque o artigo de conferência antes do artigo de periódico, pois os periódicos geralmente são submetidos há muito tempo e, portanto, apresentam algum atraso. (ou seja, Conferências-->Periódicos-->Pré-impressões)

Pesquisa
Ferramentas
Dissertação e Tese
Classificação de Imagens e Vídeos
Ataque e Defesa em Outros Paradigmas e Tarefas

Pesquisa

Aprendizado Backdoor: Uma Pesquisa. [pdf]
- Yiming Li, Yong Jiang, Zhifeng Li e Shu-Tao Xia. IEEE Transactions on Neural Networks and Learning Systems, 2022.
Ataques Backdoor e Contramedidas em Aprendizado Profundo: Uma Revisão Abrangente. [pdf]
- Yansong Gao, Bao Gia Doan, Zhi Zhang, Siqi Ma, Anmin Fu, Surya Nepal e Hyoungshick Kim. arXiv, 2020.
Segurança de Dados para Aprendizado de Máquina: Envenenamento de Dados, Ataques Backdoor e Defesas. [pdf]
- Micah Goldblum, Dimitris Tsipras, Chulin Xie, Xinyun Chen, Avi Schwarzschild, Dawn Song, Aleksander Madry, Bo Li e Tom Goldstein. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.
Uma Pesquisa Abrangente sobre Ataques de Envenenamento e Contramedidas em Aprendizado de Máquina. [link]
- Zhiyi Tian, Lei Cui, Jie Liang e Shui Yu. ACM Computing Surveys, 2022.
Ataques e Defesas Backdoor em Aprendizado Federado: Estado da Arte, Taxonomia e Direções Futuras. [link]
- Xueluan Gong, Yanjiao Chen, Qian Wang e Weihan Kong. IEEE Wireless Communications, 2022.
Ataques Backdoor em Modelos de Classificação de Imagens em Redes Neurais Profundas. [link]
- Quanxin Zhang, Wencong Ma, Yajie Wang, Yaoyuan Zhang, Zhiwei Shi e Yuanzhang Li. Chinese Journal of Electronics, 2022.
Defesa contra Ataques Trojan Neurais: Uma Pesquisa. [link]
- Sara Kaviani e Insoo Sohn. Neurocomputing, 2021.
Uma Pesquisa sobre Trojans Neurais. [pdf]
- Yuntao Liu, Ankit Mondal, Abhishek Chakraborty, Michael Zuzak, Nina Jacobsen, Daniel Xing e Ankur Srivastava. ISQED, 2020.

Ferramentas

Dissertação e Tese

Ataques Backdoor Baseados em Envenenamento em Visão Computacional. [pdf]
- Yiming Li. Tese de Doutorado na Universidade de Tsinghua, 2023.
Defesa contra Ataques Backdoor em Classificadores de Redes Neurais Profundas. [pdf]
- Zhen Xiang. Tese de Doutorado na Pennsylvania State University, 2022.
Rumo à Robustez Adversarial e Backdoor do Aprendizado Profundo. [link]
- Yifan Guo. Tese de Doutorado na Case Western Reserve University, 2022.
Rumo a um Aprendizado de Máquina Distribuído Robusto e Eficiente em Comunicação. [pdf]
- Hongyi Wang. Tese de Doutorado na Universidade de Wisconsin–Madison, 2021.
Rumo à Classificação Robusta de Imagens com Aprendizado Profundo e Inferência DNN em Tempo Real em Dispositivos Móveis. [pdf]
- Pu Zhao. Tese de Doutorado na Northeastern University, 2021.
Contramedidas contra Ataques Backdoor, Envenenamento de Dados e Ataques Adversariais. [pdf]
- Henry Daniel. Tese de Doutorado na Universidade do Texas em San Antonio, 2021.
Compreendendo e Mitigando o Impacto de Ataques Backdoor em Redes Neurais Profundas. [pdf]
- Kang Liu. Tese de Doutorado na New York University, 2021.
Trojan Desleal: Ataques Backdoor Direcionados contra a Equidade de Modelos. [pdf]
- Nicholas Furth. Dissertação de Mestrado no Instituto de Tecnologia de Nova Jersey, 2022.
Verifique Sua Outra Porta: Criando Ataques Backdoor no Domínio da Frequência.

Classificação de Imagens e Vídeos

Ataque Baseado em Envenenamento

2023

Revisitando a Suposição de Separabilidade Latente para Defesas Backdoor. [pdf] [code]
- Xiangyu Qi, Tinghao Xie, Yiming Li, Saeed Mahloujifar e Prateek Mittal. ICLR, 2023.
Ataques Backdoor Few-shot via Kernels Tangentes Neurais. [pdf] [code]
- Jonathan Hayase e Sewoong Oh. ICLR, 2023.
Color Backdoor: Um Ataque de Envenenamento Robusto no Espaço de Cores. [pdf]
- Wenbo Jiang, Hongwei Li, Guowen Xu e Tianwei Zhang. CVPR, 2023.

2022

Marca d'Água Backdoor Não Direcionada: Rumo à Proteção de Direitos Autorais de Conjuntos de Dados Inofensiva e Furtiva. [pdf] [code]
- Yiming Li, Yang Bai, Yong Jiang, Yong Yang, Shu-Tao Xia e Bo Li. NeurIPS, 2022.
DEFEAT: Ataques Backdoor de Características Ocultas Profundas por Perturbação Imperceptível e Restrições de Representação Latente. [pdf]
- Zhendong Zhao, Xiaojun Chen, Yuexin Xuan, Ye Dong, Dakui Wang e Kaitai Liang. CVPR, 2022.
Marksman Backdoor: Ataques Backdoor com Classe Alvo Arbitrária. [pdf]
- Khoa D Doan, Yingjie Lao e Ping Li. NeurIPS, 2022.
Um Ataque Backdoor Invisível de Caixa-Preta através do Domínio da Frequência. [pdf] [code]
- Tong Wang, Yuan Yao, Feng Xu, Shengwei An, Hanghang Tong e Ting Wang. ECCV, 2022.
BppAttack: Ataques Trojan Furtivos e Eficientes contra Redes Neurais Profundas via Quantização de Imagens e Aprendizado Adversarial Contrastivo. [pdf] [code]
- Zhenting Wang, Juan Zhai e Shiqing Ma. CVPR, 2022.
Ataques Backdoor Dinâmicos contra Modelos de Aprendizado de Máquina. [pdf]
- Ahmed Salem, Rui Wen, Michael Backes, Shiqing Ma e Yang Zhang. EuroS&P, 2022.
Ataque Backdoor Imperceptível: do Espaço de Entrada à Representação de Características. [pdf] [code]

2021

Ataque Backdoor Invisível com Gatilhos Específicos de Amostra. [pdf] [code]
- Yuezun Li, Yiming Li, Baoyuan Wu, Longkang Li, Ran He e Siwei Lyu. ICCV, 2021.
Manipulando SGD com Ataques de Ordenação de Dados. [pdf]
- Ilia Shumailov, Zakhar Shumaylov, Dmitry Kazhdan, Yiren Zhao, Nicolas Papernot, Murat A. Erdogdu e Ross Anderson. NeurIPS, 2021.
Ataque Backdoor com Entrada Imperceptível e Modificação Latente. [pdf]
- Khoa Doan, Yingjie Lao e Ping Li. NeurIPS, 2021.
LIRA: Ataques Backdoor Aprendíveis, Imperceptíveis e Robustos. [pdf]
- Khoa Doan, Yingjie Lao, Weijie Zhao e Ping Li. ICCV, 2021.
Backdoors Cegos em Modelos de Aprendizado Profundo. [pdf] [code]
- Eugene Bagdasaryan e Vitaly Shmatikov. USENIX Security, 2021.
Ataques Backdoor contra Sistemas de Aprendizado Profundo no Mundo Físico. [pdf] [Dissertação de Mestrado]
- Emily Wenger, Josephine Passanati, Yuanshun Yao, Haitao Zheng e Ben Y. Zhao. CVPR, 2021.
Ataque Trojan no Espaço de Características Profundas de Redes Neurais por Desintoxicação Controlada. [pdf] [code]
- Siyuan Cheng, Yingqi Liu, Shiqing Ma e Xiangyu Zhang. AAAI, 2021.
WaNet - Ataque Backdoor Baseado em Deformação Imperceptível. [pdf]

2020

Composite Backdoor Attack for Deep Neural Network by Mixing Existing Benign Features. [pdf]
- Junyu Lin, Lei Xu, Yingqi Liu, Xiangyu Zhang. CCS, 2020.
Input-Aware Dynamic Backdoor Attack. [pdf] [code]
- Anh Nguyen, and Anh Tran. NeurIPS, 2020.
Bypassing Backdoor Detection Algorithms in Deep Learning. [pdf]
- Te Juin Lester Tan, and Reza Shokri. EuroS&P, 2020.
Backdoor Embedding in Convolutional Neural Network Models via Invisible Perturbation. [pdf]
- Cong Liao, Haoti Zhong, Anna Squicciarini, Sencun Zhu, and David Miller. ACM CODASPY, 2020.
Clean-Label Backdoor Attacks on Video Recognition Models. [pdf] [code]
- Shihao Zhao, Xingjun Ma, Xiang Zheng, James Bailey, Jingjing Chen, and Yu-Gang Jiang. CVPR, 2020.
Escaping Backdoor Attack Detection of Deep Learning. [link]
- Yayuan Xiong, Fengyuan Xu, Sheng Zhong, and Qun Li. IFIP SEC, 2020.
Reflection Backdoor: A Natural Backdoor Attack on Deep Neural Networks. [pdf] [code]
- Yunfei Liu, Xingjun Ma, James Bailey, and Feng Lu. ECCV, 2020.
Live Trojan Attacks on Deep Neural Networks. [pdf] [code]
- Robby Costales, Chengzhi Mao, Raphael Norwitz, Bryan Kim, and Junfeng Yang. , 2020.

2019

A New Backdoor Attack in CNNS by Training Set Corruption Without Label Poisoning. [pdf]
- M.Barni, K.Kallas, and B.Tondi. ICIP, 2019.
Label-Consistent Backdoor Attacks. [pdf] [code]
- Alexander Turner, Dimitris Tsipras, and Aleksander Madry. arXiv, 2019.

2018

Trojaning Attack on Neural Networks. [pdf] [code]
- Yingqi Liu, Shiqing Ma, Yousra Aafer, Wen-Chuan Lee, and Juan Zhai. NDSS, 2018.

2017

BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain. [pdf] [journal]
- Tianyu Gu, Brendan Dolan-Gavitt, and Siddharth Garg. arXiv, 2017 (IEEE Access, 2019).
Targeted Backdoor Attacks on Deep Learning Systems Using Data Poisoning. [pdf] [code]
- Xinyun Chen, Chang Liu, Bo Li, Kimberly Lu, and Dawn Song. arXiv, 2017.

Ataque não baseado em envenenamento

Ataque orientado a pesos

Handcrafted Backdoors in Deep Neural Networks. [pdf]
- Sanghyun Hong, Nicholas Carlini, and Alexey Kurakin. NeurIPS, 2022.
Hardly Perceptible Trojan Attack against Neural Networks with Bit Flips. [pdf] [code]
- Jiawang Bai, Kuofeng Gao, Dihong Gong, Shu-Tao Xia, Zhifeng Li, and Wei Liu. ECCV, 2022.
ProFlip: Targeted Trojan Attack with Progressive Bit Flips. [pdf]
- Huili Chen, Cheng Fu, Jishen Zhao, and Farinaz Koushanfar. ICCV, 2021.
TBT: Targeted Neural Network Attack with Bit Trojan. [pdf] [code]
- Adnan Siraj Rakin, Zhezhi He, and Deliang Fan. CVPR, 2020.
How to Inject Backdoors with Better Consistency: Logit Anchoring on Clean Data. [pdf]
- Zhiyuan Zhang, Lingjuan Lyu, Weiqiang Wang, Lichao Sun, and Xu Sun. ICLR, 2022.
Can Adversarial Weight Perturbations Inject Neural Backdoors? [pdf]
- Siddhant Garg, Adarsh Kumar, Vibhor Goel, and Yingyu Liang. CIKM, 2020.
Versatile Weight Attack via Flipping Limited Bits. [pdf]
- Jiawang Bai, Baoyuan Wu, Zhifeng Li, and Shu-Tao Xia. arXiv, 2022.
Toward Realistic Backdoor Injection Attacks on DNNs using Rowhammer. [pdf]
- M. Caner Tol, Saad Islam, Berk Sunar, and Ziming Zhang. 2022.

Ataque com estrutura modificada

LoneNeuron: a Highly-Effective Feature-Domain Neural Trojan Using Invisible and Polymorphic Watermarks. [pdf]
- Zeyan Liu, Fengjun Li, Zhu Li, and Bo Luo. CCS, 2022.
Towards Practical Deployment-Stage Backdoor Attack on Deep Neural Networks. [pdf] [code]
- Xiangyu Qi, Tinghao Xie, Ruizhe Pan, Jifeng Zhu, Yong Yang, and Kai Bu. CVPR, 2022.
Hiding Needles in a Haystack: Towards Constructing Neural Networks that Evade Verification. [link] [code]
- Árpád Berta, Gábor Danner, István Hegedűs and Márk Jelasity. ACM IH&MMSec, 2022.
Stealthy and Flexible Trojan in Deep Learning Framework. [link]
- Yajie Wang, Kongyang Chen, Yu-An Tan, Shuxin Huang, Wencong Ma, and Yuanzhang Li. IEEE Transactions on Dependable and Secure Computing, 2022.
FooBaR: Fault Fooling Backdoor Attack on Neural Network Training. [link] [code]
- Jakub Breier, Xiaolu Hou, Martín Ochoa and Jesus Solano. IEEE Transactions on Dependable and Secure Computing, 2022.
DeepPayload: Black-box Backdoor Attack on Deep Learning Models through Neural Payload Injection. [pdf]
- Yuanchun Li, Jiayi Hua, Haoyu Wang, Chunyang Chen, and Yunxin Liu. ICSE, 2021.
An Embarrassingly Simple Approach for Trojan Attack in Deep Neural Networks. [pdf] [code]
- Ruixiang Tang, Mengnan Du, Ninghao Liu, Fan Yang, and Xia Hu. KDD, 2020.
BadRes: Reveal the Backdoors through Residual Connection.

Outros ataques

ImpNet: Imperceptible and blackbox-undetectable backdoors in compiled neural networks. [pdf] [website] [code]
- Tim Clifford, Ilia Shumailov, Yiren Zhao, Ross Anderson, and Robert Mullins. arXiv, 2022.
Don't Trigger Me! A Triggerless Backdoor Attack Against Deep Neural Networks. [pdf]
- Ahmed Salem, Michael Backes, and Yang Zhang. arXiv, 2020.

Defesa contra backdoors

Defesa empírica baseada em pré-processamento

Backdoor Attack in the Physical World. [pdf] [extension]
- Yiming Li, Tongqing Zhai, Yong Jiang, Zhifeng Li, and Shu-Tao Xia. ICLR Workshop, 2021.
DeepSweep: An Evaluation Framework for Mitigating DNN Backdoor Attacks using Data Augmentation. [pdf] [code]
- Han Qiu, Yi Zeng, Shangwei Guo, Tianwei Zhang, Meikang Qiu, and Bhavani Thuraisingham. AsiaCCS, 2021.
Februus: Input Purification Defense Against Trojan Attacks on Deep Neural Network Systems. [pdf] [code]
- Bao Gia Doan, Ehsan Abbasnejad, and Damith C. Ranasinghe. ACSAC, 2020.
Neural Trojans. [pdf]
- Yuntao Liu, Yang Xie, and Ankur Srivastava. ICCD, 2017.
Defending Deep Neural Networks against Backdoor Attack by Using De-trigger Autoencoder. [pdf]
- Hyun Kwon. IEEE Access, 2021.
ConFoc: Content-Focus Protection Against Trojan Attacks on Neural Networks. [pdf]
- Miguel Villarreal-Vasquez, and Bharat Bhargava. arXiv, 2021.
Model Agnostic Defense against Backdoor Attacks in Machine Learning. [pdf]
- Sakshi Udeshi, Shanshan Peng, Gerald Woo, Lionell Loh, Louth Rawshan, and Sudipta Chattopadhyay. arXiv, 2019.

Defesa empírica baseada em reconstrução de modelo

Backdoor Cleansing with Unlabeled Data. [pdf] [code]
- Lu Pang, Tao Sun, Haibin Ling, and Chao Chen. CVPR, 2023.
Adversarial Unlearning of Backdoors via Implicit Hypergradient. [pdf] [code]
- Yi Zeng, Si Chen, Won Park, Z. Morley Mao, Ming Jin, and Ruoxi Jia. ICLR, 2022.
Data-free Backdoor Removal based on Channel Lipschitzness. [pdf] [code]
- Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. ECCV, 2022.
Eliminating Backdoor Triggers for Deep Neural Networks Using Attention Relation Graph Distillation. [pdf]
- Jun Xia, Ting Wang, Jieping Ding, Xian Wei, and Mingsong Chen. IJCAI, 2022.
Pre-activation Distributions Expose Backdoor Neurons. [pdf] [code]
- Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. NeurIPS, 2022.
Adversarial Neuron Pruning Purifies Backdoored Deep Models. [pdf] [code]
- Dongxian Wu and Yisen Wang. NeurIPS, 2021.
Neural Attention Distillation: Erasing Backdoor Triggers from Deep Neural Networks. [pdf] [code]
- Yige Li, Xingjun Ma, Nodens Koren, Lingjuan Lyu, Xixiang Lyu, and Bo Li. ICLR, 2021.
Interpretability-Guided Defense against Backdoor Attacks to Deep Neural Networks.

Defesa empírica baseada em síntese de gatilhos

Distilling Cognitive Backdoor Patterns within an Image. [pdf] [code]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.
UNICORN: A Unified Backdoor Trigger Inversion Framework. [pdf] [code]
- Zhenting Wang, Zhenting Wang, Kai Mei, Juan Zhai, and Shiqing Ma. ICLR, 2023.- Quarentena: a esparsidade pode revelar o gatilho do ataque Trojan de graça. [pdf] [código]
- Tianlong Chen, Zhenyu Zhang, Yihua Zhang*, Shiyu Chang, Sijia Liu e Zhangyang Wang. CVPR, 2022.
Melhor otimização de inversão de gatilho na varredura de backdoors. [pdf] [código]
- Guanhong Tao, Guangyu Shen, Yingqi Liu, Shengwei An, Qiuling Xu, Shiqing Ma, Pan Li e Xiangyu Zhang. CVPR, 2022.
Defesa few-shot contra backdoor usando estimativa de Shapley. [pdf]
- Jiyang Guan, Zhuozhuo Tu, Ran He e Dacheng Tao. CVPR, 2022.
Repensando a engenharia reversa de gatilhos Trojan. [pdf] [código]
- Zhenting Wang, Kai Mei, Hailun Ding, Juan Zhai e Shiqing Ma. NeurIPS, 2022.
Apagamento de backdoor neural one-shot via mascaramento adversarial de pesos. [pdf] [código]
- Shuwen Chai e Jinghui Chen. , 2022.

Defesa empírica baseada em diagnóstico de modelo

Detecção complexa de backdoor por diferenciação simétrica de características. [pdf] [código]
- Yingqi Liu, Guangyu Shen, Guanhong Tao, Zhenting Wang, Shiqing Ma e Xiangyu Zhang. CVPR, 2022.
Detecção pós-treinamento de ataques backdoor para cenários de duas classes e múltiplos ataques. [pdf] [código]
- Zhen Xiang, David J. Miller e George Kesidis. ICLR, 2022.
Embaralhamento aleatório de canais: detecção de ataques backdoor com sobrecarga mínima sem conjuntos de dados limpos. [pdf] [código]
- Ruisi Cai, Zhenyu Zhang, Tianlong Chen, Xiaohan Chen e Zhangyang Wang. NeurIPS, 2022.
Uma abordagem de detecção de anomalias para redes neurais com backdoor: reconhecimento facial como estudo de caso. [pdf]
- Alexander Unnervik e Sébastien Marcel. BIOSIG, 2022.
Detecção de backdoor baseada em caminho crítico para redes neurais profundas. [link]
- Wei Jiang, Xiangyu Wen, Jinyu Zhan, Xupeng Wang, Ziwei Song e Chen Bian. IEEE Transactions on Neural Networks and Learning Systems, 2022.
Detectando Trojans de IA usando meta-análise neural. [pdf]
- Xiaojun Xu, Qi Wang, Huichen Li, Nikita Borisov, Carl A. Gunter e Bo Li. IEEE S&P, 2021.
Detecção topológica de redes neurais com Trojan. [pdf]
- Songzhu Zheng, Yikai Zhang, Hubert Wagner, Mayank Goswami e Chao Chen. NeurIPS, 2021.
Detecção em caixa-preta de ataques backdoor com informação e dados limitados.

Defesa empírica baseada em supressão de envenenamento

Defesa contra backdoor via desacoplamento do processo de treinamento. [pdf] [código]
- Kunzhe Huang, Yiming Li, Baoyuan Wu, Zhan Qin e Kui Ren. ICLR, 2022.
Defesa eficaz contra backdoor explorando a sensibilidade de amostras envenenadas. [pdf] [código]
- Weixin Chen, Baoyuan Wu e Haoqian Wang. NeurIPS, 2022.
Armadilha e substituição: defendendo ataques backdoor ao aprisioná-los em uma sub-rede fácil de substituir. [pdf] [código]
- Haotao Wang, Junyuan Hong, Aston Zhang, Jiayu Zhou e Zhangyang Wang. NeurIPS, 2022.
Treinando com mais confiança: mitigando backdoors injetados e naturais durante o treinamento. [pdf] [código]
- Zhenting Wang, Zhenting_Wang, Hailun Ding, Juan Zhai e Shiqing Ma. NeurIPS, 2022.
Aprendizado anti-backdoor: treinando modelos limpos em dados envenenados. [pdf] [código]
- Yige Li, Xixiang Lyu, Nodens Koren, Lingjuan Lyu, Bo Li e Xingjun Ma. NeurIPS, 2021.
Detecção robusta de anomalias e detecção de ataques backdoor via privacidade diferencial. [pdf] [código]
- Min Du, Ruoxi Jia e Dawn Song. ICLR, 2020.
Forte aumento de dados higieniza ataques de envenenamento e backdoor sem trade-off de precisão. [pdf]

Defesa empírica baseada em filtragem de amostras

SCALE-UP: detecção eficiente de backdoor em nível de entrada em caixa-preta via análise de consistência de previsão em escala. [pdf] [código]
- Junfeng Guo, Yiming Li, Xun Chen, Hanqing Guo, Lichao Sun e Cong Liu. ICLR, 2023.
Destilando padrões cognitivos de backdoor dentro de uma imagem. [pdf] [código]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani e James Bailey. ICLR, 2023.
Agrupamento por incompatibilidade como defesa contra ataques de envenenamento por backdoor. [pdf] [código]
- Charles Jin, Melinda Sun e Martin Rinard. ICLR, 2023.
As ressurreições de "Beatrix": detecção robusta de backdoor via matrizes de Gram. [pdf] [código]
- Wanlun Ma, Derui Wang, Ruoxi Sun, Minhui Xue, Sheng Wen e Yang Xiang. NDSS, 2023.
Defesa eficaz contra backdoor explorando a sensibilidade de amostras envenenadas. [pdf] [código]
- Weixin Chen, Baoyuan Wu e Haoqian Wang. NeurIPS, 2022.
Rumo a defesas eficazes e robustas contra Trojans neurais via filtragem de entrada. [pdf] [código]
- Kien Do, Haripriya Harikumar, Hung Le, Dung Nguyen, Truyen Tran, Santu Rana, Dang Nguyen, Willy Susilo e Svetha Venkatesh. ECCV, 2022.
Podemos mitigar ataques backdoor usando métodos de detecção adversarial? [link]

Defesa Certificada

Rumo à Certificação de Robustez Contra Perturbações Universais. [pdf] [code]
- Yi Zeng, Zhouxing Shi, Ming Jin, Feiyang Kang, Lingjuan Lyu, Cho-Jui Hsieh e Ruoxi Jia. ICLR, 2023.
BagFlip: Uma Defesa Certificada contra Envenenamento de Dados. [pdf] [code]
- Yuhao Zhang, Aws Albarghouthi e Loris D'Antoni. NeurIPS, 2022.
RAB: Robustez Demonstrável Contra Ataques de Backdoor. [pdf] [code]
- Maurice Weber, Xiaojun Xu, Bojan Karlas, Ce Zhang e Bo Li. IEEE S&P, 2022.
Robustez Certificada de Vizinhos Mais Próximos contra Envenenamento de Dados e Ataques de Backdoor. [pdf]
- Jinyuan Jia, Yupei Liu, Xiaoyu Cao e Neil Zhenqiang Gong. AAAI, 2022.
Agregação por Partição Profunda: Defesa Demonstrável contra Ataques de Envenenamento Gerais [pdf] [code]
- Alexander Levine e Soheil Feizi. ICLR, 2021.
Robustez Certificada Intrínseca de Bagging contra Ataques de Envenenamento de Dados [pdf] [code]
- Jinyuan Jia, Xiaoyu Cao e Neil Zhenqiang Gong. AAAI, 2021.
Robustez Certificada contra Ataques de Inversão de Rótulos via Suavização Aleatorizada. [pdf]
- Elan Rosenfeld, Ezra Winston, Pradeep Ravikumar e J. Zico Kolter. ICML, 2020.
Sobre a Certificação de Robustez contra Ataques de Backdoor via Suavização Aleatorizada. [pdf]

Ataque e Defesa em Outros Paradigmas e Tarefas

Aprendizado Federado

FLIP: Um Framework de Defesa Demonstrável para Mitigação de Backdoor em Aprendizado Federado. [pdf] [code]
- Kaiyuan Zhang, Guanhong Tao, Qiuling Xu, Siyuan Cheng, Shengwei An, Yingqi Liu, Shiwei Feng, Guangyu Shen, Pin-Yu Chen, Shiqing Ma e Xiangyu Zhang. ICLR, 2023.
Sobre a Vulnerabilidade das Defesas de Backdoor para Aprendizado Federado. [link] [code]
- Pei Fang e Jinghui Chen. AAAI, 2023.
Envenenamento com Cérbero: Ataque de Backdoor Furtivo e em Conluio contra Aprendizado Federado. [link]
- Xiaoting Lyu, Yufei Han, Wei Wang, Jingkai Liu, Bin Wang, Jiqiang Liu e Xiangliang Zhang. AAAI, 2023.
Neurotoxina: Backdoors Duráveis em Aprendizado Federado. [pdf]
- Zhengming Zhang, Ashwinee Panda, Linyue Song, Yaoqing Yang, Michael W. Mahoney, Joseph E. Gonzalez, Kannan Ramchandran e Prateek Mittal. ICML, 2022.
FLAME: Domando Backdoors em Aprendizado Federado. [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 e Thomas Schneider. USENIX Security, 2022.
DeepSight: Mitigando Ataques de Backdoor em Aprendizado Federado por meio da Inspeção Profunda de Modelos. [pdf]
- Phillip Rieger, Thien Duc Nguyen, Markus Miettinen e Ahmad-Reza Sadeghi. NDSS, 2022.
Defendendo Contra Inferência de Rótulos e Ataques de Backdoor em Aprendizado Federado Vertical. [pdf]
- Yang Liu, Zhihao Yi, Yan Kang, Yuanqin He, Wenhan Liu, Tianyuan Zou e Qiang Yang. AAAI, 2022.

Aprendizado por Transferência

Aprendizado Incremental, Ameaças Backdoor Incrementais. [link]
- Wenbo Jiang, Tianwei Zhang, Han Qiu, Hongwei Li e Guowen Xu. IEEE Transactions on Dependable and Secure Computing, 2022.
Injeção Robusta de Backdoors com Capacidade de Resistir à Transferência de Rede. [link]
- Le Feng, Sheng Li, Zhenxing Qian e Xinpeng Zhang. Information Sciences, 2022.
Ataques Backdoor Anti-Destilação: Backdoors Podem Realmente Sobreviver na Destilação de Conhecimento. [pdf]
- Yunjie Ge, Qian Wang, Baolin Zheng, Xinlu Zhuang, Qi Li, Chao Shen e Cong Wang. ACM MM, 2021.
Ataques Backdoor com Gatilho Oculto. [pdf] [code]
- Aniruddha Saha, Akshayvarun Subramanya e Hamed Pirsiavash. AAAI, 2020.
Ataques de Envenenamento de Pesos em Modelos Pré-treinados. [pdf] [code]
- Keita Kurita, Paul Michel e Graham Neubig. ACL, 2020.
Ataques Backdoor contra Aprendizado por Transferência com Modelos de Aprendizado Profundo Pré-treinados. [pdf]
- Shuo Wang, Surya Nepal, Carsten Rudolph, Marthie Grobler, Shangyu Chen e Tianle Chen. IEEE Transactions on Services Computing, 2020.
Ataques Backdoor Latentes em Redes Neurais Profundas. [pdf]
- Yuanshun Yao, Huiying Li, Haitao Zheng e Ben Y. Zhao. CCS, 2019.
Backdoors Arquiteturais em Redes Neurais. [pdf]
- Mikel Bober-Irizar, Ilia Shumailov, Yiren Zhao, Robert Mullins e Nicolas Papernot. arXiv, 2022.

Aprendizado por Reforço

Defesa Comprovável contra Políticas Backdoor em Aprendizado por Reforço. [pdf] [code]
- Shubham Kumar Bharti, Xuezhou Zhang, Adish Singla e Jerry Zhu. NeurIPS, 2022.
MARNet: Ataques Backdoor contra Aprendizado por Reforço Cooperativo Multiagente. [link]
- Yanjiao Chen, Zhicong Zheng e Xueluan Gong. IEEE Transactions on Dependable and Secure Computing, 2022.
BACKDOORL: Ataque Backdoor contra Aprendizado por Reforço Competitivo. [pdf]
- Lun Wang, Zaynah Javed, Xian Wu, Wenbo Guo, Xinyu Xing e Dawn Song. IJCAI, 2021.
Stop-and-Go: Explorando Ataques Backdoor em Sistemas de Controle de Congestionamento de Tráfego Baseados em Aprendizado por Reforço Profundo. [pdf]
- Yue Wang, Esha Sarkar, Michail Maniatakos e Saif Eddin Jabari. IEEE Transactions on Information Forensics and Security, 2021.
Manipulador de Agentes: Ataques Furtivos de Estratégia em Aprendizado por Reforço Profundo. [link]
- Jinyin Chen, Xueke Wang, Yan Zhang, Haibin Zheng, Shanqing Yu e Liang Bao. Applied Intelligence, 2022.
TrojDRL: Avaliação de Ataques Backdoor em Aprendizado por Reforço Profundo. [pdf] [code]
- Panagiota Kiourti, Kacper Wardega, Susmit Jha e Wenchao Li. DAC, 2020.
Envenenando Agentes de Aprendizado por Reforço Profundo com Gatilhos Dentro da Distribuição. [pdf]
- Chace Ashcraft e Kiran Karra. ICLR Workshop, 2021.
Um Ataque Backdoor de Padrão Temporal ao Aprendizado por Reforço Profundo. [pdf]

Aprendizado Semissupervisionado e Autossupervisionado

Ataques Backdoor em Aprendizado Autossupervisionado. [pdf] [code]
- Aniruddha Saha, Ajinkya Tejankar, Soroush Abbasi Koohpayegani e Hamed Pirsiavash. CVPR, 2022.
Envenenamento e Inserção de Backdoors em Aprendizado Contrastivo. [pdf]
- Nicholas Carlini e Andreas Terzis. ICLR, 2022.
BadEncoder: Ataques Backdoor a Codificadores Pré-treinados em Aprendizado Autossupervisionado. [pdf] [code]
- Jinyuan Jia, Yupei Liu e Neil Zhenqiang Gong. IEEE S&P, 2022.
DeHiB: Ataque Backdoor Oculto Profundo em Aprendizado Semissupervisionado via Perturbação Adversarial. [pdf]
- Zhicong Yan, Gaolei Li, Yuan Tian, Jun Wu, Shenghong Li, Mingzhe Chen e H. Vincent Poor. AAAI, 2021.
Backdoor Neural Profundo em Aprendizado Semissupervisionado: Ameaças e Contramedidas. [link]
- Zhicong Yan, Jun Wu, Gaolei Li, Shenghong Li e Mohsen Guizani. IEEE Transactions on Information Forensics and Security, 2021.
Ataques Backdoor na Cadeia de Suprimentos da Modelagem de Imagens Mascaradas. [pdf]
- Xinyue Shen, Xinlei He, Zheng Li, Yun Shen, Michael Backes e Yang Zhang. arXiv, 2022.
Marca d'Água em Codificadores Pré-treinados em Aprendizado Contrastivo. [pdf]
- Yutong Wu, Han Qiu, Tianwei Zhang, Jiwei Li e Meikang Qiu. arXiv, 2022.

Quantização

RIBAC: Rumo a um Ataque Backdoor Robusto e Imperceptível contra DNN Compacta. [pdf] [code]
- Huy Phan, Cong Shi, Yi Xie, Tianfang Zhang, Zhuohang Li, Tianming Zhao, Jian Liu, Yan Wang, Yingying Chen e Bo Yuan. ECCV, 2022.
Qu-ANTI-zation: Explorando Artefatos de Quantização para Alcançar Resultados Adversariais. [pdf] [code]
- Sanghyun Hong, Michael-Andrei Panaitescu-Liess, Yiğitcan Kaya e Tudor Dumitraş. NeurIPS, 2021.
Compreendendo as Ameaças de Redes Neurais Quantizadas com Trojans nas Cadeias de Suprimentos de Modelos. [pdf]
- Xudong Pan, Mi Zhang, Yifan Yan e Min Yang. ACSAC, 2021
Backdoors de Quantização em Modelos de Aprendizado Profundo. [pdf]
- Hua Ma, Huming Qiu, Yansong Gao, Zhi Zhang, Alsharif Abuadbba, Anmin Fu, Said Al-Sarawi e Derek Abbott. arXiv, 2021.
Backdoors Furtivos como Artefatos de Compressão. [pdf]
- Yulong Tian, Fnu Suya, Fengyuan Xu e David Evans. arXiv, 2021.

Processamento de Linguagem Natural

TrojText: Inserção Invisível de Trojans Textuais em Tempo de Teste. [pdf] [code]
- Qian Lou, Yepeng Liu e Bo Feng. ICLR, 2023.
Defendendo-se contra Ataques Backdoor na Geração de Linguagem Natural. [link]
- Xiaofei Sun, Xiaoya Li, Yuxian Meng, Xiang Ao, Lingjuan Lyu, Jiwei Li e Tianwei Zhang. AAAI, 2023.
Removendo Backdoors em Modelos Pré-treinados por Pré-treinamento Contínuo Regularizado. [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: Ataques Backdoor em Prompts Contínuos. [pdf] [code]
- Xiangrui Cai, haidong xu, Sihan Xu, Ying Zhang e Xiaojie Yuan. NeurIPS, 2022.
Moderate-fitting como um Defensor Natural de Backdoors para Modelos de Linguagem Pré-treinados. [pdf] [code]
- Biru Zhu, Yujia Qin, Ganqu Cui, Yangyi Chen, Weilin Zhao, Chong Fu, Yangdong Deng, Zhiyuan Liu, Jingang Wang, Wei Wu, Maosong Sun e Ming Gu. NeurIPS, 2022.
Uma Avaliação Unificada do Aprendizado de Backdoors Textuais: Frameworks e Benchmarks. [pdf] [code]
- Ganqu Cui, Lifan Yuan, Bingxiang He, Yangyi Chen, Zhiyuan Liu e Maosong Sun. NeurIPS, 2022.
Tecendo Modelos de Linguagem: Riscos de Propaganda-como-Serviço e Contramedidas [pdf] [code]

Redes Neurais de Grafos

Ataque backdoor de grafo transferível. [pdf]
- Shuiqiao Yang, Bao Gia Doan, Paul Montague, Olivier De Vel, Tamas Abraham, Seyit Camtepe, Damith C. Ranasinghe, and Salil S. Kanhere. RAID, 2022.
Mais é melhor (na maioria das vezes): sobre ataques backdoor em redes neurais de grafos federadas. [pdf]
- Jing Xu, Rui Wang, Kaitai Liang, and Stjepan Picek. ACSAC, 2022.
Backdoor em grafos. [pdf] [code]
- Zhaohan Xi, Ren Pang, Shouling Ji, and Ting Wang. USENIX Security, 2021.
Ataques backdoor a redes neurais de grafos. [pdf]
- Zaixi Zhang, Jinyuan Jia, Binghui Wang, and Neil Zhenqiang Gong. SACMAT, 2021.
Defendendo contra ataques backdoor em redes neurais de grafos por explicabilidade. [pdf]
- Bingchen Jiang and Zhao Li. arXiv, 2022.
Link-Backdoor: ataque backdoor em predição de links via injeção de nós. [pdf] [code]
- Haibin Zheng, Haiyang Xiong, Haonan Ma, Guohan Huang, and Jinyin Chen. arXiv, 2022.
Ataques backdoor de vizinhança em redes convolucionais de grafos. [pdf]
- Liang Chen, Qibiao Peng, Jintang Li, Yang Liu, Jiawei Chen, Yong Li, and Zibin Zheng. arXiv, 2022.
Dyn-Backdoor: ataque backdoor em predição dinâmica de links. [pdf]
- Jinyin Chen, Haiyang Xiong, Haibin Zheng, Jian Zhang, Guodong Jiang, and Yi Liu. arXiv, 2021.
Ataques backdoor baseados em explicabilidade contra redes neurais de grafos. [pdf]
- Jing Xu, Minhui, Xue, and Stjepan Picek. arXiv, 2021.

Nuvem de Pontos

Um ataque backdoor contra classificadores de nuvem de pontos 3D. [pdf] [code]
- Zhen Xiang, David J. Miller, Siheng Chen, Xi Li, and George Kesidis. ICCV, 2021.
PointBA: rumo a ataques backdoor em nuvem de pontos 3D. [pdf]
- Xinke Li, Zhiru Chen, Yue Zhao, Zekun Tong, Yabang Zhao, Andrew Lim, and Joey Tianyi Zhou. ICCV, 2021.
Ataque backdoor imperceptível e robusto em nuvem de pontos 3D. [pdf]
- Kuofeng Gao, Jiawang Bai, Baoyuan Wu, Mengxi Ya, and Shu-Tao Xia. arXiv, 2022.
Detectando ataques backdoor contra classificadores de nuvem de pontos. [pdf]
- Zhen Xiang, David J. Miller, Siheng Chen, Xi Li, and George Kesidis. arXiv, 2021.
Envenenando o MorphNet para ataque backdoor de rótulo limpo em nuvens de pontos. [pdf]
- Guiyu Tian, Wenhao Jiang, Wei Liu, and Yadong Mu. arXiv, 2021.

Processamento de Sinais Acústicos

Rumo a ataques backdoor furtivos contra reconhecimento de fala por meio de elementos do som. [pdf] [code]
- Hanbo Cai, Pengcheng Zhang, Hai Dong, Yan Xiao, Stefanos Koffas, Yiming Li. IEEE Transactions on Information Forensics and Security, 2024.
Quebrando o reconhecimento de locutor com Paddingback. [link]
- Zhe Ye, Diqun Yan, Li Dong, Kailai Shen. ICASSP, 2024.
Ataque backdoor inaudível via injeção furtiva de gatilho de frequência em espectrograma de áudio. [link]
- Tianfang Zhang, Huy Phan, Zijie Tang, Cong Shi, Yan Wang, Bo Yuan, Yingying Chen. ACM MobiCom, 2024.
SilentTrig: um ataque backdoor imperceptível contra identificação de locutor com gatilhos ocultos. [link]
- Yu Tang, Lijuan Sun, Xiaolong Xu. Pattern Recognition Letters, 2024.
O diabo na sala: acionando backdoors de áudio no mundo físico. [pdf]
- Meng Chen, Xiangyu Xu, Li Lu, Zhongjie Ba, Feng Lin, and Kui Ren. USENIX, 2023.
O manipulador silencioso: um ataque backdoor prático e inaudível contra sistemas de reconhecimento de fala. [link]
- Zhicong Zheng, Xinfeng Li, Chen Yan, Xiaoyu Ji, Wenyuan Xu. ACM MM, 2023.
Com estilo: backdoors de áudio por meio de transformações estilísticas. [pdf]
- Stefanos Koffas, Luca Pajola, Stjepan Picek, and Mauro Conti. ICASSP, 2023.
VenoMave: envenenamento direcionado contra reconhecimento de fala. [pdf]
- Hojjat Aghakhani, Lea Schönherr, Thorsten Eisenhofer, Dorothea Kolossa, Thorsten Holz, Christopher Kruegel, Giovanni Vigna. , 2023.

Ciências Médicas

FIBA: ataque backdoor baseado em injeção de frequência em análise de imagens médicas. [pdf]
- Yu Feng, Benteng Ma, Jing Zhang, Shanshan Zhao, Yong Xia, and Dacheng Tao. CVPR, 2022.
Explorando padrões de valores ausentes para um ataque backdoor em modelos de aprendizado de máquina de registros eletrônicos de saúde: estudo de desenvolvimento e validação. [link]
- Byunggill Joe, Yonghyeon Park, Jihun Hamm, Insik Shin, and Jiyeon Lee. JMIR Medical Informatics, 2022.
Aprendizado de máquina com registros eletrônicos de saúde é vulnerável a ataques de gatilho backdoor. [pdf]
- Byunggill Joe, Akshay Mehra, Insik Shin, and Jihun Hamm. AAAI Workshop, 2021.
Explicabilidade importa: ataques backdoor em imagens médicas. [pdf]
- Munachiso Nwadike, Takumi Miyawaki, Esha Sarkar, Michail Maniatakos, and Farah Shamout. AAAI Workshop, 2021.
TRAPDOOR: reaproveitando backdoors para detectar viés de conjunto de dados em análise genômica baseada em aprendizado de máquina. [pdf]
- Esha Sarkar and Michail Maniatakos. arXiv, 2021.

Transformador de Visão

Você está chamando minha atenção: transformadores de visão são maus aprendizes sob ataques backdoor? [pdf]
- Zenghui Yuan, Pan Zhou, Kai Zou, and Yu Cheng. CVPR, 2023.
TrojViT: inserção de cavalos de Troia em transformadores de visão. [pdf]
- Mengxin Zheng, Qian Lou, and Lei Jiang. CVPR, 2023.
Defendendo ataques backdoor em transformadores de visão por meio de processamento de patches. [link]
- Khoa D. Doan, Yingjie Lao, Peng Yang, and Ping Li. AAAI, 2023.
Ataques backdoor em transformadores de visão. [pdf] [code]
- Akshayvarun Subramanya, Aniruddha Saha, Soroush Abbasi Koohpayegani, Ajinkya Tejankar, and Hamed Pirsiavash. arXiv, 2022.
TrojViT: inserção de cavalos de Troia em transformadores de visão. [pdf]
- Mengxin Zheng, Qian Lou, and Lei Jiang. arXiv, 2022.
Sequestro de atenção em transformadores troianos. [pdf]
- Weimin Lyu, Songzhu Zheng, Tengfei Ma, Haibin Ling, and Chao Chen. arXiv, 2022.
DBIA: ataque de injeção de backdoor sem dados contra redes transformadoras. [pdf] [code]
- Peizhuo Lv, Hualong Ma, Jiachen Zhou, Ruigang Liang, Kai Chen, Shengzhi Zhang, and Yunfei Yang. arXiv, 2021.

Modelo de Difusão

Como aplicar backdoors em modelos de difusão? [pdf] [code]
- Sheng-Yen Chou, Pin-Yu Chen, and Tsung-Yi Ho. CVPR, 2023.
TrojDiff: ataques de cavalo de Troia em modelos de difusão com alvos diversos. [pdf] [code]
- Weixin Chen, Dawn Song, and Bo Li. CVPR, 2023.

Cibersegurança

VulnerGAN: um ataque backdoor por meio de amplificação de vulnerabilidades contra sistemas de detecção de intrusão em rede baseados em aprendizado de máquina. [link] [code]
- Guangrui Liu, Weizhe Zhang, Xinjie Li, Kaisheng Fan, and Shui Yu. Information Sciences, 2022.
Ataques backdoor de envenenamento guiados por explicação contra classificadores de malware. [pdf]
- Giorgio Severi, Jim Meyer, Scott Coull, and Alina Oprea. USENIX Security, 2021.
Ataque backdoor em detectores de malware Android baseados em aprendizado de máquina. [link]
- Chaoran Li, Xiao Chen, Derui Wang, Sheng Wen, Muhammad Ejaz Ahmed, Seyit Camtepe, and Yang Xiang. IEEE Transactions on Dependable and Secure Computing, 2021.
Quebra-cabeça: ataque backdoor seletivo para subverter classificadores de malware. [pdf]
- Limin Yang, Zhi Chen, Jacopo Cortellazzi, Feargus Pendlebury, Kevin Tu, Fabio Pierazzi, Lorenzo Cavallaro, and Gang Wang. arXiv, 2022.

Detecção e Rastreamento

Backdoor de imagem limpa: atacando modelos multirrótulo apenas com rótulos envenenados. [pdf] [code]
- Kangjie Chen, Xiaoxuan Lou, Guowen Xu, Jiwei Li, and Tianwei Zhang. ICLR, 2023.
Ataque backdoor não direcionado contra detecção de objetos. [pdf] [code]
- Chengxiao Luo, Yiming Li, Yong Jiang, and Shu-Tao Xia. ICASSP, 2023.
Ataques backdoor de poucos exemplos em rastreamento visual de objetos. [pdf] [code]
- Yiming Li, Haoxiang Zhong, Xingjun Ma, Yong Jiang, and Shu-Tao Xia. ICLR, 2022.
BadDet: ataques backdoor em detecção de objetos. [pdf]
- Shih-Han Chan, Yinpeng Dong, Jun Zhu, Xiaolu Zhang, and Jun Zhou. ECCV Workshop, 2022.
Atacando por alinhamento: ataques backdoor de rótulo limpo em detecção de objetos. [pdf]
- Yize Cheng, Wenbin Hu, Minhao Cheng. arXiv, 2023.
Ataques backdoor invisíveis baseados em máscara em detecção de objetos. [pdf]
- Jeongjin Shin. arXiv, 2024.
TAT: ataques backdoor direcionados contra rastreamento visual de objetos. [link] [code]
- Ziyi Cheng, Baoyuan Wu, Zhenya Zhang, and Jianjun Zhao. Pattern Recognition, 2023.

Outros

O lado sombrio do AutoML: rumo à busca de backdoors arquitetônicos. [pdf] [code]
- Ren Pang, Changjiang Li, Zhaohan Xi, Shouling Ji, and Ting Wang. ICLR, 2023.
Ataques backdoor contra compressão profunda de imagens por meio de gatilho adaptativo de frequência. [pdf] Yi Yu, Yufei Wang, Wenhan Yang, Shijian Lu, Yap-Peng Tan, and Alex C. Kot. CVPR, 2023.
O lado sombrio das redes neurais de roteamento dinâmico: rumo à injeção de backdoors de eficiência. [pdf]
- Simin Chen, Hanlin Chen, Mirazul Haque, Cong Liu, and Wei Yang. CVPR, 2023.
Ataques backdoor em contagem de multidões. [pdf]
- Yuhua Sun, Tailai Zhang, Xingjun Ma, Pan Zhou, Jian Lou, Zichuan Xu, Xing Di, Yu Cheng, and Lichao Sun. ACM MM, 2022.
Ataques backdoor em sistemas de interpretação de DNN. [pdf]
- Shihong Fang and Anna Choromanska. AAAI, 2022.
O diabo está na GAN: defendendo modelos generativos profundos contra ataques backdoor. [pdf] [code] [demo]
- Ambrish Rawat, Killian Levacher, and Mathieu Sinn. ESORICS, 2022.
Ataque backdoor orientado a objetos contra legendagem de imagens. [link]
- Meiling Li, Nan Zhong, Xinpeng Zhang, Zhenxing Qian, and Sheng Li. ICASSP, 2022.
Quando o ataque backdoor funciona na reconstrução de imagens? Um estudo de heurísticas vs. solução de dois níveis.

Avaliação e Discussão

Destilando Padrões Cognitivos de Backdoor dentro de uma Imagem. [pdf] [code]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.
Encontrando Backdoors Físicos de Ocorrência Natural em Conjuntos de Dados de Imagens. [pdf] [code]
- Emily Wenger, Roma Bhattacharjee, Arjun Nitin Bhagoji, Josephine Passananti, Emilio Andere, Heather Zheng, and Ben Zhao. NeurIPS, 2022.
BackdoorBox: Uma Caixa de Ferramentas Python para Aprendizado de Backdoor. [pdf] [code]
- Yiming Li, Mengxi Ya, Yang Bai, Yong Jiang, Shu-Tao Xia. ICLR Workshop, 2023.
TROJANZOO: Tudo o que Você Sempre Quis Saber sobre Backdoors Neurais (Mas Tinha Medo de Perguntar). [pdf] [code]
- Ren Pang, Zheng Zhang, Xiangshan Gao, Zhaohan Xi, Shouling Ji, Peng Cheng, and Ting Wang. EuroS&P, 2022.
Uma Avaliação Unificada do Aprendizado de Backdoor Textual: Estruturas e Benchmarks. [pdf] [code]
- Ganqu Cui, Lifan Yuan, Bingxiang He, Yangyi Chen, Zhiyuan Liu, and Maosong Sun. NeurIPS, 2022.
BackdoorBench: Um Benchmark Abrangente de Aprendizado de Backdoor. [pdf] [code] [website]
- Baoyuan Wu, Hongrui Chen, Mingda Zhang, Zihao Zhu, Shaokui Wei, Danni Yuan, Chao Shen, and Hongyuan Zha. NeurIPS, 2022.

backdoor-learning-resources

Mais Populares