该文章讨论了后门集合及其相关问题的参数化复杂度结果，主要研究内容包括：发现大小不超过 k 的后门集合问题、易处理问题以及适用于 NP 问题的后门集合问题等。

Oct, 2011

研究使用一个特殊的集合来使得一类复杂计算问题变得简单化的方法，利用该方法可以实现 CNF 公式求解的多项式时间算法，同时该研究提出了一些关于求解 backdoor sets 大小和检测方法的结论。

Oct, 2011

本文结合分解性和后门集两种方法，研究了在与给定 CNF 公式相关联的图的树宽不超过 t 的 CNF 公式集合 W_t 中找到一个小的强后门集的算法问题。我们证明了：1. 找到大小不超过 2^k 的强 W_t 后门集，或确定 F 没有大小不超过 k 的强 W_t 后门集；2. 找到 CNF 公式 F 的满足分配数量或确定 sb_t（F）> k 的算法，其中 sb_t（F）表示 F 的最小强 W_t 后门集的大小。

Apr, 2012

研究了如何利用命题可满足性 (SAT) 解决比 NP 或 co-NP 更困难的问题，特别是对命题析取答案集编程中的基本推理问题进行探讨，介绍了利用新的 Parameterized Complexity 技术从 Brave 和 Skeptical Reasoning 转换到 SAT 的方法。

Jan, 2013

本文在传统的强背门集和弱背门集的基础上，扩展了其概念，允许背门变量的不同实例属于不同的基类，形成异构基类。在此基础上，探讨了在 SAT 和 CSP 领域检测强背门集和弱背门集到异构基类的问题复杂度，提出检测到异构基类的背门集远比检测到同构基类的背门集更为可取但可能更为困难。

Sep, 2015

本文对基于约束满足问题的多项式算法强后门检测问题进行了系统研究，特别是当目标属性是由多项式函数族定义的特定约束语言时，我们表明在多项式函数族是幂等的假设下，当参数为 r（约束元数）或 k（后门大小）时，问题不可能是 FPT，除非 P = NP 或 FPT = W [2]。但是当参数为 k + r 时，我们能够识别出大量语言，以便找到小后门的问题是 FPT。

Apr, 2014

通过分析训练数据的结构信息，我们对反向门攻击问题提出了一种不同的方法，指出这些攻击在一般情况下是不可能被检测到的。基于此观察，我们重新审视了现有的反向门攻击防御措施并对其隐含的假设进行了表征。最后，基于假设条件，我们提出了一种新的原始方法来检测反向门攻击，并开发了一个具有理论保证且实用的检测算法。

Jul, 2023

在本文中，我们考虑了在布尔可满足性问题（SAT）的框架下，估计特定布尔公式的难度相对于特定完备 SAT 求解算法的问题。在我们引入了强背门集（SBS）概念之后，我们提出了分解难度（d-hardness）的概念，并通过使用蒙特卡罗方法等算法来计算其估计值。接着，我们将寻找具有最小分解难度的 B 的问题转化为一个伪布尔函数的优化问题，并采用进化算法来最小化该函数。最后，我们在实验部分展示了分解难度概念及其估计方法在解决难解的不可满足 SAT 实例中的适用性。

Dec, 2023

研究 CSP 实例的后门问题，提出了一种泛化后门概念，即面向具有高元数约束的 CSP，并介绍了 sidedoors 作为对二元约束不利的替代方案，降低了算法复杂度和提高了计算效率。

Nov, 2022

我们引入了一个形式化的统计定义，用于分析机器学习系统中后门检测问题的可行性，为我们的定义的实用性和适用性提供了证据。我们的工作的主要贡献是后门检测的一个不可能性结果和一个可实现性结果。我们证明了一项无饭票定理，证明了通用（无敌手意识）的后门检测是不可能的，除非字母表很小。因此，我们认为后门检测方法需要明确或隐含地具有对敌手的意识。然而，我们的工作并不意味着后门检测在特定情况下无法工作，正如科学文献中成功的后门检测方法所证明的那样。此外，我们将我们的定义与确定近似正确（PAC）学习的超出分布检测问题联系起来。

Feb, 2024