该研究提出了基于噪声增强对比学习（NCL）框架，以保护使用不可信数据训练模型的文本后门攻击。实验表明该方法的有效性，比先前的研究表现更好。

Mar, 2023

本研究提出了针对 NLP 模型的 “自然后门攻击”，对文本数据进行触发器生成，并研究了不同类型的触发器，最终在文本分类任务上实现了 100% 的后门攻击成功率和 0.83% 的牺牲。

Jun, 2020

基于基础模型的表示方法在多源数据集的特定分布差异情况下表现出良好的鲁棒性，但可通过调整方法进一步提高模型的表现能力。

Dec, 2023

本研究探讨模型便携性的实际应用性和泛化性，通过两个完全不同的大规模索赔数据集建立了出院后复诊风险预测模型，使用 born-again 神经网络的转移学习方法进行了实验，表明基于 BAN 训练的模型优于仅在一个机构进行数据训练的模型，而且这种改进方法适用于两个研究机构，并且只需要进行一次模型重新训练，为出院后的复诊风险预测提供了更便携而普及的模型转移机制。

Jul, 2022

本文提出了一种新的方法，将包含触发器的输入直接映射到预训练 NLP 模型的预定义输出表示，而不是目标标签，从而可以将后门引入广泛的下游任务中，而无需任何先前的知识，通过各种触发器类型的实验，论证了该方法对于不同的分类和命名实体识别等微调任务以及不同的模型（如 BERT、XLNet、BART）是普适的，并且不可避免地引入了严重威胁。

Oct, 2021

本研究介绍一种新的深度学习技术，可用于抵御针对文本分类模型的后门攻击，能够无需访问攻击类型和训练资源的情况下自我防御并具有高准确性。

Oct, 2022

本文综述了深度学习在自然语言处理中的应用，分析了训练数据和模型面临的公开风险，着重探讨了后门攻击的前沿进展及其防御对策，并总结了基准数据集及其存在的问题，旨在设计更可靠的系统以保护模型安全。

Nov, 2022

本文提出了一种基于鲁棒性感知扰动的在线防御机制，可以有效对抗自然语言处理模型的后门攻击，并在情感分析和毒性检测任务中取得更好的防御效果和更低的计算成本。

Oct, 2021

借助特定词语在句子中的重新定位作为触发器，设计和应用基于词性标注的规则来选择这些词汇，在保持高攻击成功率的同时，优于现有攻击的困惑度和与清洁样本的语义相似性。

Feb, 2024

该文章就神经网络 (DNNs) 的后门攻击进行了系统研究，提出了一个新的 NLP 后门攻击框架，BadNL，其中包括了三种构造触发器的方法，即 BadChar、BadWord 和 BadSentence，攻击成功率几乎完美，并且几乎不影响原始模型的效用。

Jun, 2020