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）

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]

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。

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.
通过神经正切核的小样本后门攻击。 [pdf] [code]
- Jonathan Hayase and Sewoong Oh. ICLR, 2023.
颜色后门：颜色空间中的鲁棒投毒攻击。 [pdf]
- Wenbo Jiang, Hongwei Li, Guowen Xu, and Tianwei Zhang. CVPR, 2023.

2022

非目标后门水印：迈向无害且隐蔽的数据集版权保护。 [pdf] [code]
- Yiming Li, Yang Bai, Yong Jiang, Yong Yang, Shu-Tao Xia, and Bo Li. NeurIPS, 2022.
DEFEAT：通过不可感知扰动与潜在表示约束的深度隐藏特征后门攻击。 [pdf]
- Zhendong Zhao, Xiaojun Chen, Yuexin Xuan, Ye Dong, Dakui Wang, and Kaitai Liang. CVPR, 2022.
神枪手后门：任意目标类别的后门攻击。 [pdf]
- Khoa D Doan, Yingjie Lao, and Ping Li. NeurIPS, 2022.
通过频域的隐形黑盒后门攻击。 [pdf] [code]
- Tong Wang, Yuan Yao, Feng Xu, Shengwei An, Hanghang Tong, and Ting Wang. ECCV, 2022.
BppAttack：通过图像量化与对比对抗学习对深度神经网络的隐蔽高效木马攻击。 [pdf] [code]
- Zhenting Wang, Juan Zhai, and Shiqing Ma. CVPR, 2022.
针对机器学习模型的动态后门攻击。 [pdf]
- Ahmed Salem, Rui Wen, Michael Backes, Shiqing Ma, and Yang Zhang. EuroS&P, 2022.
不可感知后门攻击：从输入空间到特征表示。 [pdf] [code]
- Nan Zhong, Zhenxing Qian, and Xinpeng Zhang. IJCAI, 2022.
带有对抗训练的隐蔽后门攻击。 [link]
- Le Feng, Sheng Li, Zhenxing Qian, and Xinpeng Zhang. ICASSP, 2022.

2021

具有样本特定触发器的隐形后门攻击。 [pdf] [code]
- Yuezun Li, Yiming Li, Baoyuan Wu, Longkang Li, Ran He, and Siwei Lyu. ICCV, 2021.
通过数据排序攻击操纵 SGD。 [pdf]
- Ilia Shumailov, Zakhar Shumaylov, Dmitry Kazhdan, Yiren Zhao, Nicolas Papernot, Murat A. Erdogdu, and Ross Anderson. NeurIPS, 2021.
具有不可感知输入和潜在修改的后门攻击。 [pdf]
- Khoa Doan, Yingjie Lao, and Ping Li. NeurIPS, 2021.
LIRA：可学习、不可感知且鲁棒的后门攻击。 [pdf]
- Khoa Doan, Yingjie Lao, Weijie Zhao, and Ping Li. ICCV, 2021.
深度学习模型中的盲后门。 [pdf] [code]
- Eugene Bagdasaryan, and Vitaly Shmatikov. USENIX Security, 2021.
物理世界中针对深度学习系统的后门攻击。 [pdf] [Master Thesis]
- Emily Wenger, Josephine Passanati, Yuanshun Yao, Haitao Zheng, and Ben Y. Zhao. CVPR, 2021.
通过受控解毒对神经网络进行深度特征空间木马攻击。 [pdf] [code]
- Siyuan Cheng, Yingqi Liu, Shiqing Ma, and Xiangyu Zhang. AAAI, 2021.
WaNet - 不可感知的基于形变的后门攻击。 [pdf] [code]
- Tuan Anh Nguyen, and Anh Tuan Tran. ICLR, 2021.
AdvDoor：深度学习系统的对抗后门攻击。 [pdf]

2020

通过混合现有良性特征实现对深度神经网络的复合后门攻击。 [pdf]
- Junyu Lin, Lei Xu, Yingqi Liu, Xiangyu Zhang. CCS, 2020.
输入感知的动态后门攻击。 [pdf] [code]
- Anh Nguyen, and Anh Tran. NeurIPS, 2020.
绕过深度学习中的后门检测算法。 [pdf]
- Te Juin Lester Tan, and Reza Shokri. EuroS&P, 2020.
通过隐形扰动在卷积神经网络模型中嵌入后门。 [pdf]
- Cong Liao, Haoti Zhong, Anna Squicciarini, Sencun Zhu, and David Miller. ACM CODASPY, 2020.
针对视频识别模型的干净标签后门攻击。 [pdf] [code]
- Shihao Zhao, Xingjun Ma, Xiang Zheng, James Bailey, Jingjing Chen, and Yu-Gang Jiang. CVPR, 2020.
逃避深度学习的后门攻击检测。 [link]
- Yayuan Xiong, Fengyuan Xu, Sheng Zhong, and Qun Li. IFIP SEC, 2020.
反射后门：一种针对深度神经网络的自然后门攻击。 [pdf] [code]
- Yunfei Liu, Xingjun Ma, James Bailey, and Feng Lu. ECCV, 2020.
针对深度神经网络的实时木马攻击。 [pdf] [code]
- Robby Costales, Chengzhi Mao, Raphael Norwitz, Bryan Kim, and Junfeng Yang. CVPR Workshop, 2020.
利用图像缩放攻击植入后门和投毒神经网络。 [pdf]
- Erwin Quiring, and Konrad Rieck. , 2020.

2019

一种通过训练集破坏实现CNN新后门攻击而无需标签投毒的方法。 [pdf]
- M.Barni, K.Kallas, and B.Tondi. ICIP, 2019.
标签一致的后门攻击。 [pdf] [code]
- Alexander Turner, Dimitris Tsipras, and Aleksander Madry. arXiv, 2019.

2018

针对神经网络的木马攻击。 [pdf] [code]
- Yingqi Liu, Shiqing Ma, Yousra Aafer, Wen-Chuan Lee, and Juan Zhai. NDSS, 2018.

2017

BadNets：识别机器学习模型供应链中的漏洞。 [pdf] [journal]
- Tianyu Gu, Brendan Dolan-Gavitt, and Siddharth Garg. arXiv, 2017 (IEEE Access, 2019).
使用数据投毒对深度学习系统进行定向后门攻击。 [pdf] [code]
- Xinyun Chen, Chang Liu, Bo Li, Kimberly Lu, and Dawn Song. arXiv, 2017.

非投毒类攻击

面向权重的攻击

深度神经网络中的手工后门。 [pdf]
- Sanghyun Hong, Nicholas Carlini, and Alexey Kurakin. NeurIPS, 2022.
利用比特翻转对神经网络进行难以察觉的木马攻击。 [pdf] [code]
- Jiawang Bai, Kuofeng Gao, Dihong Gong, Shu-Tao Xia, Zhifeng Li, and Wei Liu. ECCV, 2022.
ProFlip：使用渐进式比特翻转的定向木马攻击。 [pdf]
- Huili Chen, Cheng Fu, Jishen Zhao, and Farinaz Koushanfar. ICCV, 2021.
TBT：利用比特木马实现定向神经网络攻击。 [pdf] [code]
- Adnan Siraj Rakin, Zhezhi He, and Deliang Fan. CVPR, 2020.
如何以更好的一致性注入后门：在干净数据上进行Logit锚定。 [pdf]
- Zhiyuan Zhang, Lingjuan Lyu, Weiqiang Wang, Lichao Sun, and Xu Sun. ICLR, 2022.
对抗性权重扰动能否注入神经后门？ [pdf]
- Siddhant Garg, Adarsh Kumar, Vibhor Goel, and Yingyu Liang. CIKM, 2020.
通过翻转有限比特实现多功能权重攻击。 [pdf]
- Jiawang Bai, Baoyuan Wu, Zhifeng Li, and Shu-Tao Xia. arXiv, 2022.
使用Rowhammer实现针对DNN的现实后门注入攻击。 [pdf]
- M. Caner Tol, Saad Islam, Berk Sunar, and Ziming Zhang. 2022.
TrojanNet：在神经网络中嵌入隐藏的特洛伊木马模型。 [pdf]
- Chuan Guo, Ruihan Wu, and Kilian Q. Weinberger. arXiv, 2020.
通过定向权重扰动在卷积神经网络中植入后门。

结构修改型攻击

LoneNeuron：使用隐形和多态水印实现的高效特征域神经木马。 [pdf]
- Zeyan Liu, Fengjun Li, Zhu Li, and Bo Luo. CCS, 2022.
面向深度神经网络的实际部署阶段后门攻击。 [pdf] [code]
- Xiangyu Qi, Tinghao Xie, Ruizhe Pan, Jifeng Zhu, Yong Yang, and Kai Bu. CVPR, 2022.
大海捞针：构建能够逃避验证的神经网络。 [link] [code]
- Árpád Berta, Gábor Danner, István Hegedűs and Márk Jelasity. ACM IH&MMSec, 2022.
深度学习框架中的隐形灵活木马。 [link]
- Yajie Wang, Kongyang Chen, Yu-An Tan, Shuxin Huang, Wencong Ma, and Yuanzhang Li. IEEE Transactions on Dependable and Secure Computing, 2022.
FooBaR：针对神经网络训练的故障欺骗后门攻击。 [link] [code]
- Jakub Breier, Xiaolu Hou, Martín Ochoa and Jesus Solano. IEEE Transactions on Dependable and Secure Computing, 2022.
DeepPayload：通过神经负载注入对深度学习模型实施黑盒后门攻击。 [pdf]
- Yuanchun Li, Jiayi Hua, Haoyu Wang, Chunyang Chen, and Yunxin Liu. ICSE, 2021.
一种针对深度神经网络木马攻击的极其简单的方法。 [pdf] [code]
- Ruixiang Tang, Mengnan Du, Ninghao Liu, Fan Yang, and Xia Hu. KDD, 2020.
BadRes：通过残差连接揭示后门。 [pdf]
- Mingrui He, Tianyu Chen, Haoyi Zhou, Shanghang Zhang, and Jianxin Li. arXiv, 2022.
神经网络中的架构后门。 [pdf]
- Mikel Bober-Irizar, Ilia Shumailov, Yiren Zhao, Robert Mullins, and Nicolas Papernot. arXiv, 2022.

其他攻击

ImpNet：编译后神经网络中不可感知且黑盒不可检测的后门。 [pdf] [website] [code]
- Tim Clifford, Ilia Shumailov, Yiren Zhao, Ross Anderson, and Robert Mullins. arXiv, 2022.
别触发我！一种针对深度神经网络的无触发器后门攻击。 [pdf]
- Ahmed Salem, Michael Backes, and Yang Zhang. arXiv, 2020.

后门防御

基于预处理的实证防御

物理世界中的后门攻击。 [pdf] [extension]
- Yiming Li, Tongqing Zhai, Yong Jiang, Zhifeng Li, and Shu-Tao Xia. ICLR Workshop, 2021.
DeepSweep：使用数据增强缓解DNN后门攻击的评估框架。 [pdf] [code]
- Han Qiu, Yi Zeng, Shangwei Guo, Tianwei Zhang, Meikang Qiu, and Bhavani Thuraisingham. AsiaCCS, 2021.
Februus：针对深度神经网络系统木马攻击的输入净化防御。 [pdf] [code]
- Bao Gia Doan, Ehsan Abbasnejad, and Damith C. Ranasinghe. ACSAC, 2020.
神经木马。 [pdf]
- Yuntao Liu, Yang Xie, and Ankur Srivastava. ICCD, 2017.
使用去触发器自编码器防御深度神经网络的后门攻击。 [pdf]
- Hyun Kwon. IEEE Access, 2021.
ConFoc：针对神经网络木马攻击的内容聚焦保护。 [pdf]
- Miguel Villarreal-Vasquez, and Bharat Bhargava. arXiv, 2021.
针对机器学习后门攻击的模型无关防御。 [pdf]
- Sakshi Udeshi, Shanshan Peng, Gerald Woo, Lionell Loh, Louth Rawshan, and Sudipta Chattopadhyay. arXiv, 2019.

基于模型重建的实证防御

使用未标注数据清除后门。 [pdf] [code]
- Lu Pang, Tao Sun, Haibin Ling, and Chao Chen. CVPR, 2023.
通过隐式超梯度实现后门的对抗性遗忘。 [pdf] [code]
- Yi Zeng, Si Chen, Won Park, Z. Morley Mao, Ming Jin, and Ruoxi Jia. ICLR, 2022.
基于通道Lipschitz性质的免数据后门移除。 [pdf] [code]
- Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. ECCV, 2022.
使用注意力关系图蒸馏消除深度神经网络的后门触发器。 [pdf]
- Jun Xia, Ting Wang, Jieping Ding, Xian Wei, and Mingsong Chen. IJCAI, 2022.
预激活分布暴露后门神经元。 [pdf] [code]
- Runkai Zheng, Rongjun Tang, Jianze Li, and Li Liu. NeurIPS, 2022.
对抗性神经元剪枝净化带后门的深度模型。 [pdf] [code]
- Dongxian Wu and Yisen Wang. NeurIPS, 2021.
神经注意力蒸馏：从深度神经网络中擦除后门触发器。 [pdf] [code]
- Yige Li, Xingjun Ma, Nodens Koren, Lingjuan Lyu, Xixiang Lyu, and Bo Li. ICLR, 2021.
可解释性引导的深度神经网络后门攻击防御。 [link]
- Wei Jiang, Xiangyu Wen, Jinyu Zhan, Xupeng Wang, and Ziwei Song. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2021.

基于触发器合成的实证防御

蒸馏图像中的认知后门模式。 [pdf] [code]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.
UNICORN：统一的后门触发器反演框架。 [pdf] [code]
- Zhenting Wang, Zhenting Wang, Kai Mei, Juan Zhai, and Shiqing Ma. ICLR, 2023.- Quarantine：稀疏性可以免费揭示木马攻击触发器。 [pdf] [代码]
- Tianlong Chen, Zhenyu Zhang, Yihua Zhang*, Shiyu Chang, Sijia Liu, and Zhangyang Wang. CVPR, 2022.
Better Trigger Inversion Optimization in Backdoor Scanning. [pdf] [代码]
- Guanhong Tao, Guangyu Shen, Yingqi Liu, Shengwei An, Qiuling Xu, Shiqing Ma, Pan Li, and Xiangyu Zhang. CVPR, 2022.
Few-shot Backdoor Defense Using Shapley Estimation. [pdf]
- Jiyang Guan, Zhuozhuo Tu, Ran He, and Dacheng Tao. CVPR, 2022.
Rethinking the Reverse-engineering of Trojan Triggers. [pdf] [代码]
- Zhenting Wang, Kai Mei, Hailun Ding, Juan Zhai, and Shiqing Ma. NeurIPS, 2022.
One-shot Neural Backdoor Erasing via Adversarial Weight Masking. [pdf] [代码]
- Shuwen Chai and Jinghui Chen. NeurIPS, 2022.
AEVA: Black-box Backdoor Detection Using Adversarial Extreme Value Analysis.

基于模型诊断的经验防御

Complex Backdoor Detection by Symmetric Feature Differencing. [pdf] [代码]
- Yingqi Liu, Guangyu Shen, Guanhong Tao, Zhenting Wang, Shiqing Ma, and Xiangyu Zhang. CVPR, 2022.
Post-Training Detection of Backdoor Attacks for Two-Class and Multi-Attack Scenarios. [pdf] [代码]
- Zhen Xiang, David J. Miller, and George Kesidis. ICLR, 2022.
Randomized Channel Shuffling: Minimal-Overhead Backdoor Attack Detection without Clean Datasets. [pdf] [代码]
- Ruisi Cai, Zhenyu Zhang, Tianlong Chen, Xiaohan Chen, and Zhangyang Wang. NeurIPS, 2022.
An Anomaly Detection Approach for Backdoored Neural Networks: Face Recognition as a Case Study. [pdf]
- Alexander Unnervik and Sébastien Marcel. BIOSIG, 2022.
Critical Path-Based Backdoor Detection for Deep Neural Networks. [链接]
- Wei Jiang, Xiangyu Wen, Jinyu Zhan, Xupeng Wang, Ziwei Song, and Chen Bian. IEEE Transactions on Neural Networks and Learning Systems, 2022.
Detecting AI Trojans Using Meta Neural Analysis. [pdf]
- Xiaojun Xu, Qi Wang, Huichen Li, Nikita Borisov, Carl A. Gunter, and Bo Li. IEEE S&P, 2021.
Topological Detection of Trojaned Neural Networks. [pdf]
- Songzhu Zheng, Yikai Zhang, Hubert Wagner, Mayank Goswami, and Chao Chen. NeurIPS, 2021.
Black-box Detection of Backdoor Attacks with Limited Information and Data. [pdf]

基于投毒抑制的经验防御

Backdoor Defense via Decoupling the Training Process. [pdf] [代码]
- Kunzhe Huang, Yiming Li, Baoyuan Wu, Zhan Qin, and Kui Ren. ICLR, 2022.
Effective Backdoor Defense by Exploiting Sensitivity of Poisoned Samples. [pdf] [代码]
- Weixin Chen, Baoyuan Wu, and Haoqian Wang. NeurIPS, 2022.
Trap and Replace: Defending Backdoor Attacks by Trapping Them into an Easy-to-Replace Subnetwork. [pdf] [代码]
- Haotao Wang, Junyuan Hong, Aston Zhang, Jiayu Zhou, and Zhangyang Wang. NeurIPS, 2022.
Training with More Confidence: Mitigating Injected and Natural Backdoors During Training. [pdf] [代码]
- Zhenting Wang, Zhenting_Wang, Hailun Ding, Juan Zhai, and Shiqing Ma. NeurIPS, 2022.
Anti-Backdoor Learning: Training Clean Models on Poisoned Data. [pdf] [代码]
- Yige Li, Xixiang Lyu, Nodens Koren, Lingjuan Lyu, Bo Li, and Xingjun Ma. NeurIPS, 2021.
Robust Anomaly Detection and Backdoor Attack Detection via Differential Privacy. [pdf] [代码]
- Min Du, Ruoxi Jia, and Dawn Song. ICLR, 2020.
Strong Data Augmentation Sanitizes Poisoning and Backdoor Attacks Without an Accuracy Trade-off. [pdf]
- Eitan Borgnia, Valeriia Cherepanova, Liam Fowl, Amin Ghiasi, Jonas Geiping, Micah Goldblum, Tom Goldstein, and Arjun Gupta. , 2021.

基于样本过滤的经验防御

SCALE-UP: An Efficient Black-box Input-level Backdoor Detection via Analyzing Scaled Prediction Consistency. [pdf] [代码]
- Junfeng Guo, Yiming Li, Xun Chen, Hanqing Guo, Lichao Sun, and Cong Liu. ICLR, 2023.
Distilling Cognitive Backdoor Patterns within an Image. [pdf] [代码]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.
Incompatibility Clustering as a Defense Against Backdoor Poisoning Attacks. [pdf] [代码]
- Charles Jin, Melinda Sun, and Martin Rinard. ICLR, 2023.
The "Beatrix'' Resurrections: Robust Backdoor Detection via Gram Matrices. [pdf] [代码]
- Wanlun Ma, Derui Wang, Ruoxi Sun, Minhui Xue, Sheng Wen, and Yang Xiang. NDSS, 2023.
Effective Backdoor Defense by Exploiting Sensitivity of Poisoned Samples. [pdf] [代码]
- Weixin Chen, Baoyuan Wu, and Haoqian Wang. NeurIPS, 2022.
Towards Effective and Robust Neural Trojan Defenses via Input Filtering. [pdf] [代码]
- Kien Do, Haripriya Harikumar, Hung Le, Dung Nguyen, Truyen Tran, Santu Rana, Dang Nguyen, Willy Susilo, and Svetha Venkatesh. ECCV, 2022.
Can We Mitigate Backdoor Attack Using Adversarial Detection Methods? [链接]
- Kaidi Jin, Tianwei Zhang, Chao Shen, Yufei Chen, Ming Fan, Chenhao Lin, and Ting Liu. , 2022.

可认证防御

面向通用扰动的稳健性认证。 [pdf] [code]
- Yi Zeng、Zhouxing Shi、Ming Jin、Feiyang Kang、Lingjuan Lyu、Cho-Jui Hsieh 和 Ruoxi Jia。ICLR，2023。
BagFlip：一种针对数据投毒的可认证防御。 [pdf] [code]
- Yuhao Zhang、Aws Albarghouthi 和 Loris D'Antoni。NeurIPS，2022。
RAB：针对后门攻击的可证明稳健性。 [pdf] [code]
- Maurice Weber、Xiaojun Xu、Bojan Karlas、Ce Zhang 和 Bo Li。IEEE S&P，2022。
最近邻分类器针对数据投毒与后门攻击的可认证稳健性。 [pdf]
- Jinyuan Jia、Yupei Liu、Xiaoyu Cao 和 Neil Zhenqiang Gong。AAAI，2022。
深度分区聚合：针对通用投毒攻击的可证明防御。 [pdf] [code]
- Alexander Levine 和 Soheil Feizi。ICLR，2021。
Bagging 针对数据投毒攻击的内在可认证稳健性。 [pdf] [code]
- Jinyuan Jia、Xiaoyu Cao 和 Neil Zhenqiang Gong。AAAI，2021。
通过随机平滑实现针对标签翻转攻击的可认证稳健性。 [pdf]
- Elan Rosenfeld、Ezra Winston、Pradeep Ravikumar 和 J. Zico Kolter。ICML，2020。
通过随机平滑认证针对后门攻击的稳健性。 [pdf]
- Binghui Wang、Xiaoyu Cao、Jinyuan Jia 和 Neil Zhenqiang Gong。CVPR Workshop，2020。
BagFlip：一种针对数据投毒的可认证防御。 [pdf]
- Yuhao Zhang、Aws Albarghouthi 和 Loris D'Antoni。arXiv，2022。

面向其他范式与任务的攻击与防御

联邦学习

FLIP：一种用于联邦学习后门缓解的可证明防御框架。 [pdf] [code]
- Kaiyuan Zhang、Guanhong Tao、Qiuling Xu、Siyuan Cheng、Shengwei An、Yingqi Liu、Shiwei Feng、Guangyu Shen、Pin-Yu Chen、Shiqing Ma 和 Xiangyu Zhang。ICLR，2023。
关于联邦学习后门防御的脆弱性。 [link] [code]
- Pei Fang 和 Jinghui Chen。AAAI，2023。
使用 Cerberus 投毒：针对联邦学习的隐蔽共谋后门攻击。 [link]
- Xiaoting Lyu、Yufei Han、Wei Wang、Jingkai Liu、Bin Wang、Jiqiang Liu 和 Xiangliang Zhang。AAAI，2023。
Neurotoxin：联邦学习中的持久后门。 [pdf]
- Zhengming Zhang、Ashwinee Panda、Linyue Song、Yaoqing Yang、Michael W. Mahoney、Joseph E. Gonzalez、Kannan Ramchandran 和 Prateek Mittal。ICML，2022。
FLAME：驯服联邦学习中的后门。 [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 和 Thomas Schneider。USENIX Security，2022。
DeepSight：通过深度模型检查缓解联邦学习中的后门攻击。 [pdf]
- Phillip Rieger、Thien Duc Nguyen、Markus Miettinen 和 Ahmad-Reza Sadeghi。NDSS，2022。
在纵向联邦学习中防御标签推断与后门攻击。 [pdf]
- Yang Liu、Zhihao Yi、Yan Kang、Yuanqin He、Wenhan Liu、Tianyuan Zou 和 Qiang Yang。AAAI，2022。
联邦学习中模型投毒的拜占庭容错聚合机制分析。 [link]
- Mary Roszel、Robert Norvill 和 Radu State。MDAI，2022。
在带差分隐私的联邦学习中防御后门攻击。 [link]

强化学习

强化学习中针对后门策略的可证明防御。 [pdf] [code]
- Shubham Kumar Bharti, Xuezhou Zhang, Adish Singla, and Jerry Zhu. NeurIPS, 2022.
MARNet：针对合作式多智能体强化学习的后门攻击。 [link]
- Yanjiao Chen, Zhicong Zheng, and Xueluan Gong. IEEE Transactions on Dependable and Secure Computing, 2022.
BACKDOORL：针对竞争性强化学习的后门攻击。 [pdf]
- Lun Wang, Zaynah Javed, Xian Wu, Wenbo Guo, Xinyu Xing, and Dawn Song. IJCAI, 2021.
Stop-and-Go：探索基于深度强化学习的交通拥堵控制系统上的后门攻击。 [pdf]
- Yue Wang, Esha Sarkar, Michail Maniatakos, and Saif Eddin Jabari. IEEE Transactions on Information Forensics and Security, 2021.
Agent Manipulator：针对深度强化学习的隐蔽策略攻击。 [link]
- Jinyin Chen, Xueke Wang, Yan Zhang, Haibin Zheng, Shanqing Yu, and Liang Bao. Applied Intelligence, 2022.
TrojDRL：深度强化学习后门攻击的评估。 [pdf] [code]
- Panagiota Kiourti, Kacper Wardega, Susmit Jha, and Wenchao Li. DAC, 2020.
使用分布内触发器对深度强化学习智能体进行投毒。 [pdf]
- Chace Ashcraft and Kiran Karra. ICLR Workshop, 2021.
一种针对深度强化学习的时间模式后门攻击。 [pdf]
- Yinbo Yu, Jiajia Liu, Shouqing Li, Kepu Huang, and Xudong Feng. arXiv, 2022.
强化学习中的后门检测。 [pdf]
- Junfeng Guo, Ang Li, and Cong Liu. arXiv, 2022.
序列模型中蓄意后门的设计。 [pdf]

半监督与自监督学习

针对自监督学习的后门攻击。 [pdf] [code]
- Aniruddha Saha, Ajinkya Tejankar, Soroush Abbasi Koohpayegani, and Hamed Pirsiavash. CVPR, 2022.
对比学习中的投毒与后门攻击。 [pdf]
- Nicholas Carlini and Andreas Terzis. ICLR, 2022.
BadEncoder：自监督学习中针对预训练编码器的后门攻击。 [pdf] [code]
- Jinyuan Jia, Yupei Liu, and Neil Zhenqiang Gong. IEEE S&P, 2022.
DeHiB：通过对抗扰动对半监督学习进行的深度隐藏后门攻击。 [pdf]
- Zhicong Yan, Gaolei Li, Yuan Tian, Jun Wu, Shenghong Li, Mingzhe Chen, and H. Vincent Poor. AAAI, 2021.
半监督学习中的深度神经后门：威胁与对策。 [link]
- Zhicong Yan, Jun Wu, Gaolei Li, Shenghong Li, and Mohsen Guizani. IEEE Transactions on Information Forensics and Security, 2021.
掩码图像建模供应链中的后门攻击。 [pdf]
- Xinyue Shen, Xinlei He, Zheng Li, Yun Shen, Michael Backes, and Yang Zhang. arXiv, 2022.
对比学习中预训练编码器的水印标记。 [pdf]
- Yutong Wu, Han Qiu, Tianwei Zhang, Jiwei Li, and Meikang Qiu. arXiv, 2022.

量化

RIBAC：面向紧凑型DNN的鲁棒且不可察觉的后门攻击。 [pdf] [code]
- Huy Phan, Cong Shi, Yi Xie, Tianfang Zhang, Zhuohang Li, Tianming Zhao, Jian Liu, Yan Wang, Yingying Chen, and Bo Yuan. ECCV, 2022.
Qu-ANTI-zation：利用量化伪影实现对抗性结果。 [pdf] [code]
- Sanghyun Hong, Michael-Andrei Panaitescu-Liess, Yiğitcan Kaya, and Tudor Dumitraş. NeurIPS, 2021.
理解模型供应链中特洛伊化量化神经网络的威胁。 [pdf]
- Xudong Pan, Mi Zhang, Yifan Yan, and Min Yang. ACSAC, 2021
深度学习模型的量化后门。 [pdf]
- Hua Ma, Huming Qiu, Yansong Gao, Zhi Zhang, Alsharif Abuadbba, Anmin Fu, Said Al-Sarawi, and Derek Abbott. arXiv, 2021.
作为压缩伪影的隐蔽后门。 [pdf]
- Yulong Tian, Fnu Suya, Fengyuan Xu, and David Evans. arXiv, 2021.

自然语言处理

TrojText：测试时隐形文本特洛伊木马插入。 [pdf] [code]
- Qian Lou, Yepeng Liu, and Bo Feng. ICLR, 2023.
防御自然语言生成中的后门攻击。 [link]
- Xiaofei Sun, Xiaoya Li, Yuxian Meng, Xiang Ao, Lingjuan Lyu, Jiwei Li, and Tianwei Zhang. AAAI, 2023.
通过正则化持续预训练移除预训练模型中的后门。 [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：针对连续提示的后门攻击。 [pdf] [code]
- Xiangrui Cai, haidong xu, Sihan Xu, Ying Zhang, and Xiaojie Yuan. NeurIPS, 2022.
适度拟合：预训练语言模型的天然后门防御者 [pdf] [code]
- Biru Zhu, Yujia Qin, Ganqu Cui, Yangyi Chen, Weilin Zhao, Chong Fu, Yangdong Deng, Zhiyuan Liu, Jingang Wang, Wei Wu, Maosong Sun, and Ming Gu. NeurIPS, 2022.
文本后门学习的统一评估：框架与基准。 [pdf] [code]
- Ganqu Cui, Lifan Yuan, Bingxiang He, Yangyi Chen, Zhiyuan Liu, and Maosong Sun. NeurIPS, 2022.
旋转语言模型：宣传即服务的风险与对策 [pdf] [code]
- Eugene Bagdasaryan and Vitaly Shmatikov. IEEE S&P, 2022.
PICCOLO：揭露NLP Transformer模型中的复杂后门。 [pdf] [code]

图神经网络

可迁移的图后门攻击。 [pdf]
- Shuiqiao Yang, Bao Gia Doan, Paul Montague, Olivier De Vel, Tamas Abraham, Seyit Camtepe, Damith C. Ranasinghe, and Salil S. Kanhere. RAID, 2022.
多即是好（大多数情况下）：联邦图神经网络中的后门攻击研究。 [pdf]
- Jing Xu, Rui Wang, Kaitai Liang, and Stjepan Picek. ACSAC, 2022.
图后门。 [pdf] [code]
- Zhaohan Xi, Ren Pang, Shouling Ji, and Ting Wang. USENIX Security, 2021.
对图神经网络的后门攻击。 [pdf]
- Zaixi Zhang, Jinyuan Jia, Binghui Wang, and Neil Zhenqiang Gong. SACMAT, 2021.
通过可解释性防御图神经网络上的后门攻击。 [pdf]
- Bingchen Jiang and Zhao Li. arXiv, 2022.
Link-Backdoor：通过节点注入对链接预测的后门攻击。 [pdf] [code]
- Haibin Zheng, Haiyang Xiong, Haonan Ma, Guohan Huang, and Jinyin Chen. arXiv, 2022.
针对图卷积网络的邻近后门攻击。 [pdf]
- Liang Chen, Qibiao Peng, Jintang Li, Yang Liu, Jiawei Chen, Yong Li, and Zibin Zheng. arXiv, 2022.
Dyn-Backdoor：对动态链接预测的后门攻击。 [pdf]
- Jinyin Chen, Haiyang Xiong, Haibin Zheng, Jian Zhang, Guodong Jiang, and Yi Liu. arXiv, 2021.
基于可解释性的针对图神经网络的后门攻击。 [pdf]
- Jing Xu, Minhui, Xue, and Stjepan Picek. arXiv, 2021.

点云

针对3D点云分类器的后门攻击。 [pdf] [code]
- Zhen Xiang, David J. Miller, Siheng Chen, Xi Li, and George Kesidis. ICCV, 2021.
PointBA：面向3D点云的后门攻击。 [pdf]
- Xinke Li, Zhiru Chen, Yue Zhao, Zekun Tong, Yabang Zhao, Andrew Lim, and Joey Tianyi Zhou. ICCV, 2021.
3D点云中不可感知且鲁棒的后门攻击。 [pdf]
- Kuofeng Gao, Jiawang Bai, Baoyuan Wu, Mengxi Ya, and Shu-Tao Xia. arXiv, 2022.
检测针对点云分类器的后门攻击。 [pdf]
- Zhen Xiang, David J. Miller, Siheng Chen, Xi Li, and George Kesidis. arXiv, 2021.
毒化MorphNet以实现对点云的干净标签后门攻击。 [pdf]
- Guiyu Tian, Wenhao Jiang, Wei Liu, and Yadong Mu. arXiv, 2021.

声学信号处理

通过声音元素实现针对语音识别的隐蔽后门攻击。 [pdf] [code]
- Hanbo Cai, Pengcheng Zhang, Hai Dong, Yan Xiao, Stefanos Koffas, Yiming Li. IEEE Transactions on Information Forensics and Security, 2024.
使用Paddingback攻破说话人识别。 [link]
- Zhe Ye, Diqun Yan, Li Dong, Kailai Shen. ICASSP, 2024.
通过音频语谱图中的隐蔽频率触发器注入实现不可闻后门攻击。 [link]
- Tianfang Zhang, Huy Phan, Zijie Tang, Cong Shi, Yan Wang, Bo Yuan, Yingying Chen. ACM MobiCom, 2024.
SilentTrig：利用隐藏触发器对说话人识别发起不可察觉的后门攻击。 [link]
- Yu Tang, Lijuan Sun, Xiaolong Xu. Pattern Recognition Letters, 2024.
房间里的恶魔：在物理世界中触发音频后门。 [pdf]
- Meng Chen, Xiangyu Xu, Li Lu, Zhongjie Ba, Feng Lin, and Kui Ren. USENIX, 2023.
沉默的操纵者：针对语音识别系统的实用且不可闻的后门攻击。 [link]
- Zhicong Zheng, Xinfeng Li, Chen Yan, Xiaoyu Ji, Wenyuan Xu. ACM MM, 2023.
时尚变身：通过风格转换实现音频后门。 [pdf]
- Stefanos Koffas, Luca Pajola, Stjepan Picek, and Mauro Conti. ICASSP, 2023.
VenoMave：针对语音识别的定向投毒。 [pdf]
- Hojjat Aghakhani, Lea Schönherr, Thorsten Eisenhofer, Dorothea Kolossa, Thorsten Holz, Christopher Kruegel, Giovanni Vigna. SaTML, 2023.
利用相位注入隐藏触发器对说话人识别发起隐蔽后门攻击。 [link]
- Zhe Ye, Diqun Yan, Li Dong, Jiacheng Deng, Shui Yu. IEEE Signal Processing Letters, 2023.
以假乱真：通过语音转换对深度语音分类的后门攻击。

医学

FIBA：基于频率注入的医学图像分析后门攻击。 [pdf]
- Yu Feng, Benteng Ma, Jing Zhang, Shanshan Zhao, Yong Xia, and Dacheng Tao. CVPR, 2022.
利用缺失值模式对电子健康记录机器学习模型发起后门攻击：开发与验证研究。 [link]
- Byunggill Joe, Yonghyeon Park, Jihun Hamm, Insik Shin, and Jiyeon Lee. JMIR Medical Informatics, 2022.
基于电子健康记录的机器学习易受后门触发器攻击。 [pdf]
- Byunggill Joe, Akshay Mehra, Insik Shin, and Jihun Hamm. AAAI Workshop, 2021.
可解释性至关重要：针对医学成像的后门攻击。 [pdf]
- Munachiso Nwadike, Takumi Miyawaki, Esha Sarkar, Michail Maniatakos, and Farah Shamout. AAAI Workshop, 2021.
TRAPDOOR：重新利用后门检测基于机器学习的基因组分析中的数据集偏差。 [pdf]
- Esha Sarkar and Michail Maniatakos. arXiv, 2021.

视觉Transformer

你引起了我的注意：视觉Transformer在后门攻击下是糟糕的学习者吗？ [pdf]
- Zenghui Yuan, Pan Zhou, Kai Zou, and Yu Cheng. CVPR, 2023.
TrojViT：视觉Transformer中的木马注入。 [pdf]
- Mengxin Zheng, Qian Lou, and Lei Jiang. CVPR, 2023.
通过补丁处理防御针对视觉Transformer的后门攻击。 [link]
- Khoa D. Doan, Yingjie Lao, Peng Yang, and Ping Li. AAAI, 2023.
对视觉Transformer的后门攻击。 [pdf] [code]
- Akshayvarun Subramanya, Aniruddha Saha, Soroush Abbasi Koohpayegani, Ajinkya Tejankar, and Hamed Pirsiavash. arXiv, 2022.
TrojViT：视觉Transformer中的木马注入。 [pdf]
- Mengxin Zheng, Qian Lou, and Lei Jiang. arXiv, 2022.
木马Transformer中的注意力劫持。 [pdf]
- Weimin Lyu, Songzhu Zheng, Tengfei Ma, Haibin Ling, and Chao Chen. arXiv, 2022.
DBIA：针对Transformer网络的无数据后门注入攻击。 [pdf] [code]
- Peizhuo Lv, Hualong Ma, Jiachen Zhou, Ruigang Liang, Kai Chen, Shengzhi Zhang, and Yunfei Yang. arXiv, 2021.

扩散模型

如何对扩散模型植入后门？ [pdf] [code]
- Sheng-Yen Chou, Pin-Yu Chen, and Tsung-Yi Ho. CVPR, 2023.
TrojDiff：针对具有多样化目标的扩散模型的木马攻击。 [pdf] [code]
- Weixin Chen, Dawn Song, and Bo Li. CVPR, 2023.

网络安全

VulnerGAN：通过漏洞放大针对基于机器学习的网络入侵检测系统的后门攻击。 [link] [code]
- Guangrui Liu, Weizhe Zhang, Xinjie Li, Kaisheng Fan, and Shui Yu. Information Sciences, 2022.
解释引导的针对恶意软件分类器的后门投毒攻击。 [pdf]
- Giorgio Severi, Jim Meyer, Scott Coull, and Alina Oprea. USENIX Security, 2021.
基于机器学习的Android恶意软件检测器上的后门攻击。 [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.
拼图游戏：颠覆恶意软件分类器的选择性后门攻击。 [pdf]
- Limin Yang, Zhi Chen, Jacopo Cortellazzi, Feargus Pendlebury, Kevin Tu, Fabio Pierazzi, Lorenzo Cavallaro, and Gang Wang. arXiv, 2022.

检测与跟踪

干净图像后门：仅使用有毒标签攻击多标签模型。 [pdf] [code]
- Kangjie Chen, Xiaoxuan Lou, Guowen Xu, Jiwei Li, and Tianwei Zhang. ICLR, 2023.
针对目标检测的非定向后门攻击。 [pdf] [code]
- Chengxiao Luo, Yiming Li, Yong Jiang, and Shu-Tao Xia. ICASSP, 2023.
视觉目标跟踪上的少样本后门攻击。 [pdf] [code]
- Yiming Li, Haoxiang Zhong, Xingjun Ma, Yong Jiang, and Shu-Tao Xia. ICLR, 2022.
BadDet：目标检测上的后门攻击。 [pdf]
- Shih-Han Chan, Yinpeng Dong, Jun Zhu, Xiaolu Zhang, and Jun Zhou. ECCV Workshop, 2022.
通过对齐进行攻击：目标检测上的干净标签后门攻击。 [pdf]
- Yize Cheng, Wenbin Hu, Minhao Cheng. arXiv, 2023.
基于掩码的目标检测隐形后门攻击。 [pdf]
- Jeongjin Shin. arXiv, 2024.
TAT：针对视觉目标跟踪的定向后门攻击。 [link] [code]
- Ziyi Cheng, Baoyuan Wu, Zhenya Zhang, and Jianjun Zhao. Pattern Recognition, 2023.

其他

AutoML的阴暗面：迈向架构后门搜索。 [pdf] [code]
- Ren Pang, Changjiang Li, Zhaohan Xi, Shouling Ji, and Ting Wang. ICLR, 2023.
通过自适应频率触发器对深度图像压缩的后门攻击。 [pdf] Yi Yu, Yufei Wang, Wenhan Yang, Shijian Lu, Yap-Peng Tan, and Alex C. Kot. CVPR, 2023.
动态路由神经网络的阴暗面：迈向效率后门注入。 [pdf]
- Simin Chen, Hanlin Chen, Mirazul Haque, Cong Liu, and Wei Yang. CVPR, 2023.
对人群计数的后门攻击。 [pdf]
- Yuhua Sun, Tailai Zhang, Xingjun Ma, Pan Zhou, Jian Lou, Zichuan Xu, Xing Di, Yu Cheng, and Lichao Sun. ACM MM, 2022.
对DNN解释系统的后门攻击。 [pdf]
- Shihong Fang and Anna Choromanska. AAAI, 2022.
魔鬼在GAN中：防御深度生成模型免受后门攻击。 [pdf] [code] [demo]
- Ambrish Rawat, Killian Levacher, and Mathieu Sinn. ESORICS, 2022.
面向物体的图像描述后门攻击。 [link]
- Meiling Li, Nan Zhong, Xinpeng Zhang, Zhenxing Qian, and Sheng Li. ICASSP, 2022.
后门攻击何时能在图像重建中成功？启发式方法与双层解决方案的研究。 [link]
- Vardaan Taneja, Pin-Yu Chen, Yuguang Yao, and Sijia Liu. ICASSP, 2022.
解释性视角：针对支持神经架构搜索的边缘AI系统的对抗性木马攻击。 [link]

评估与讨论

从图像中提炼认知后门模式。 [pdf] [code]
- Hanxun Huang, Xingjun Ma, Sarah Monazam Erfani, and James Bailey. ICLR, 2023.
在图像数据集中发现自然存在的物理后门。 [pdf] [code]
- Emily Wenger, Roma Bhattacharjee, Arjun Nitin Bhagoji, Josephine Passananti, Emilio Andere, Heather Zheng, and Ben Zhao. NeurIPS, 2022.
BackdoorBox：用于后门学习的Python工具箱。 [pdf] [code]
- Yiming Li, Mengxi Ya, Yang Bai, Yong Jiang, Shu-Tao Xia. ICLR Workshop, 2023.
TROJANZOO：关于神经后门你想知道的一切（但不敢问）。 [pdf] [code]
- Ren Pang, Zheng Zhang, Xiangshan Gao, Zhaohan Xi, Shouling Ji, Peng Cheng, and Ting Wang. EuroS&P, 2022.
文本后门学习的统一评估：框架与基准。 [pdf] [code]
- Ganqu Cui, Lifan Yuan, Bingxiang He, Yangyi Chen, Zhiyuan Liu, and Maosong Sun. NeurIPS, 2022.
BackdoorBench：后门学习的综合基准。 [pdf] [code] [website]
- Baoyuan Wu, Hongrui Chen, Mingda Zhang, Zihao Zhu, Shaokui Wei, Danni Yuan, Chao Shen, and Hongyuan Zha. NeurIPS, 2022.
通过解耦训练过程的后门防御。 [pdf] [code]
- Kunzhe Huang, Yiming Li, Baoyuan Wu, Zhan Qin, and Kui Ren. , 2022.

backdoor-learning-resources

最受欢迎