BackdoorLLM

统一评测 LLM 后门攻防，一键复现与对比

BackdoorLLM 是一个面向大语言模型后门攻击与防御的综合基准测试平台，入选 NeurIPS 2025。它解决的核心问题是：现有 LLM 后门研究缺乏统一、可复现的评测标准，不同论文的攻击方法、防御策略和数据集各不相同，导致结果难以横向比较。项目提供标准化的攻击注入流程、多种触发模式（如词级、句级、指令级）、覆盖生成与分类任务的评测协议，并集成主流开源 LLM 作为受害模型。核心能力包括：一键复现多种后门攻击、统一评估防御方法的鲁棒性、提供量化指标（攻击成功率、干净准确率等），帮助研究者和工程师快速验证模型安全性，推动 LLM 供应链安全研究。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 326

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队bboylyg

所属国家

官网地址

GitHubhttps://github.com/bboylyg/BackdoorLLM

定价模式free

价格说明开源基准，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型attack,backdoor,defense,llms,llms-benchmarking

GitHub 星标★ 326

30天Star增速

HF 下载量

上线时间2024-08-21 00:00:00

最近更新2026-09-08 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-15

浏览次数0

使用教程

核心亮点

提供标准化攻击与防御评测流程，结果可横向对比
覆盖多种触发模式和任务类型，适配主流开源 LLM
入选 NeurIPS 2025，学术认可度高，代码结构清晰

不足之处

项目处于早期，星标数较少，社区生态和文档完善度待观察
可能未覆盖所有闭源商业模型和最新攻击变体

适用场景

研究 LLM 后门攻击与防御的学术实验
企业评估第三方模型或微调模型的安全风险
教学演示后门攻击原理与防御效果

替代项目

OpenBackdoor、BackdoorBench

项目介绍

BackdoorLLM 是一个评测安全领域的开源项目，官方简介：[NeurIPS 2025] BackdoorLLM: A Comprehensive Benchmark for Backdoor Attacks and Defenses on Large Language Models。项目使用 Python 开发，在 GitHub 上获得 326 星标。

上一篇：GenAI-LLM-Top10

下一篇：MLLM-Token-Compression