后门学习资源
本 Github 仓库总结了 后门学习（Backdoor Learning） 资源清单。更多细节和分类标准，请参考我们的综述。
我们将尽最大努力以月度为单位持续维护本 Github 仓库。
为什么是后门学习？
后门学习是一个新兴的研究领域，讨论机器学习算法训练过程中的安全问题。它在现实中安全地采用第三方训练资源或模型时至关重要。
注意：“后门”也常被称为“神经木马”或“木马”。
新闻
- 2023/7/24：我新增了十篇 ICLR'23 论文。该会议的所有论文现在应该都已收录。
- 2023/7/23：我新增了七篇 NeurIPS'22 论文和四篇 AAAI'23 论文。这些会议的所有论文现在应该都已收录。
- 2023/01/25：非常抱歉，由于一些个人问题（如生病和撰写博士论文），我最近暂停了相关论文的阅读和本仓库的更新。我将在 2023 年 6 月之后恢复更新。
- 2022/12/05：我对仓库格式做了小幅调整，将会议论文放在期刊论文之前。具体而言，在同一年内，请将会议论文放在期刊论文之前，因为期刊通常提交时间较早，因此存在一定的滞后。
- 2022/12/05：我新增了三篇 ECCV'22 论文。该会议的所有论文现在应该都已收录。
参考文献
如果我们的仓库或综述对您的研究有帮助，请按如下方式引用我们的论文：```
@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}
}
## 贡献
<p align="center">
<img src="https://assets.kitploit.com/production/public/readmes/placeholders/f0fc86cfe65f76d40e15aaec61704ec8220a56dc89d4be03c46f67cb31b9fa8c.svg" alt="我们需要你！">
</p>
请通过联系[我](http://liyiming.tech)或提交[pull request](https://github.com/THUYimingLi/awesome-backdoor-learning/pulls)来为此列表做出贡献。
Markdown格式：```markdown
- Paper Name.
[[pdf]](link)
[[code]](link)
- Author 1, Author 2, **and** Author 3. *Conference/Journal*, Year.
注意：在同一年中，请将会议论文放在期刊论文之前，因为期刊通常是很久以前投稿的，因此存在一定滞后。（即，会议-->期刊-->预印本）
目录
综述
-
后门学习：综述。
[pdf]
- Yiming Li, Yong Jiang, Zhifeng Li, and Shu-Tao Xia. IEEE Transactions on Neural Networks and Learning Systems, 2022.
-
深度学习上的后门攻击与对策：综合评述。
[pdf]
- Yansong Gao, Bao Gia Doan, Zhi Zhang, Siqi Ma, Anmin Fu, Surya Nepal, and Hyoungshick Kim. arXiv, 2020.
-
机器学习的数据安全：数据投毒、后门攻击与防御。
[pdf]
- Micah Goldblum, Dimitris Tsipras, Chulin Xie, Xinyun Chen, Avi Schwarzschild, Dawn Song, Aleksander Madry, Bo Li, and Tom Goldstein. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022.
-
机器学习中投毒攻击与对策的全面综述。
[link]
- Zhiyi Tian, Lei Cui, Jie Liang, and Shui Yu. ACM Computing Surveys, 2022.
-
联邦学习中的后门攻击与防御：最新进展、分类与未来方向。
[link]
- Xueluan Gong, Yanjiao Chen, Qian Wang, and Weihan Kong. IEEE Wireless Communications, 2022.
-
深度神经网络中图像分类模型的后门攻击。
[link]
- Quanxin Zhang, Wencong Ma, Yajie Wang, Yaoyuan Zhang, Zhiwei Shi, and Yuanzhang Li. Chinese Journal of Electronics, 2022.
-
针对神经木马攻击的防御：综述。
[link]
- Sara Kaviani and Insoo Sohn. Neurocomputing, 2021.
-
神经木马综述。
[pdf]
- Yuntao Liu, Ankit Mondal, Abhishek Chakraborty, Michael Zuzak, Nina Jacobsen, Daniel Xing, and Ankur Srivastava. ISQED, 2020.
-
针对语音识别系统的后门攻击：综述。
[pdf]
- Baochen Yan, Jiahe Lan, and Zheng Yan. arXiv, 2023.
-
深度学习中的神经木马攻击与防御综述。
[pdf]
- Jie Wang, Ghulam Mubashar Hassan, and Naveed Akhtar. arXiv, 2022.
-
预训练语言模型的威胁：综述与分类。
[pdf]
- Shangwei Guo, Chunlong Xie, Jiwei Li, Lingjuan Lyu, and Tianwei Zhang. arXiv, 2022.
-
深度神经网络后门攻击及可行防御概述。
[pdf]
- Wei Guo, Benedetta Tondi, and Mauro Barni. arXiv, 2021.
-
深度学习后门。
[pdf]
- Shaofeng Li, Shiqing Ma, Minhui Xue, and Benjamin Zi Hao Zhao. arXiv, 2020.
工具箱
学位论文
-
计算机视觉中基于投毒的后门攻击。
[pdf]
- Yiming Li. 清华大学博士论文, 2023.
-
针对深度神经网络分类器的后门攻击防御。
[pdf]
- Zhen Xiang. 宾夕法尼亚州立大学博士论文, 2022.
-
迈向深度学习的对抗与后门鲁棒性。
[link]
- Yifan Guo. 凯斯西储大学博士论文, 2022.
-
迈向鲁棒且通信高效的分布式机器学习。
[pdf]
- Hongyi Wang. 威斯康星大学麦迪逊分校博士论文, 2021.
-
基于深度学习的鲁棒图像分类与移动端实时 DNN 推理。
[pdf]
- Pu Zhao. 美国东北大学博士论文, 2021.
-
针对后门、数据投毒与对抗攻击的对策。
[pdf]
- Henry Daniel. 德克萨斯大学圣安东尼奥分校博士论文, 2021.
-
理解并减轻后门攻击对深度神经网络的影响。
[pdf]
- Kang Liu. 纽约大学博士论文, 2021.
-
不公平木马：针对模型公平性的定向后门攻击。
[pdf]
- Nicholas Furth. 新泽西理工学院硕士论文, 2022.
-
检查你的另一扇门：在频域中创建后门攻击。
[pdf]
- Hasan Abed Al Kader Hammoud. 阿卜杜拉国王科技大学硕士论文, 2022.
-
神经网络中的后门攻击。
[link]
- Stefanos Koffas. 代尔夫特理工大学硕士论文, 2021.
-
后门防御。
[pdf]
- Andrea Milakovic. 维也纳工业大学硕士论文, 2021.
-
带后门神经网络的几何性质。
[pdf]
- Dominic Carrano. 加州大学伯克利分校硕士论文, 2021.
-
使用结构化对抗攻击检测带后门的神经网络。
[pdf]
- Charles Yang. 加州大学伯克利分校硕士论文, 2021.
-
物理世界中针对深度学习系统的后门攻击。
[pdf]
- Emily Willson. 芝加哥大学硕士论文, 2020.
图像与视频分类
基于投毒的攻击
2023
- 重新审视后门防御的潜在可分离性假设。
[pdf]
[code]
- Xiangyu Qi, Tinghao Xie, Yiming Li, Saeed Mahloujifar, and Prateek Mittal. ICLR, 2023.
