• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Unveiling potential threats: backdoor attacks in single-cell pre-trained models.

作者信息

Feng Sicheng, Li Siyu, Chen Luonan, Chen Shengquan

机构信息

School of Mathematical Sciences and LPMC, Nankai University, Tianjin, China.

Key Laboratory of Systems Biology, CAS Center for Excellence in Molecular Cell Science, Chinese Academy of Sciences, Shanghai, China.

出版信息

Cell Discov. 2024 Nov 30;10(1):122. doi: 10.1038/s41421-024-00753-1.

DOI:10.1038/s41421-024-00753-1
PMID:39616169
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11608368/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f68a/11608368/239087883243/41421_2024_753_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f68a/11608368/239087883243/41421_2024_753_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/f68a/11608368/239087883243/41421_2024_753_Fig1_HTML.jpg

相似文献

1
Unveiling potential threats: backdoor attacks in single-cell pre-trained models.揭示潜在威胁：单细胞预训练模型中的后门攻击。
Cell Discov. 2024 Nov 30;10(1):122. doi: 10.1038/s41421-024-00753-1.
2
Backdoor Attack against Face Sketch Synthesis.针对面部草图合成的后门攻击。
Entropy (Basel). 2023 Jun 25;25(7):974. doi: 10.3390/e25070974.
3
Backdoor attacks against distributed swarm learning.针对分布式群体学习的后门攻击。
ISA Trans. 2023 Oct;141:59-72. doi: 10.1016/j.isatra.2023.03.034. Epub 2023 Mar 28.
4
Detection of Backdoors in Trained Classifiers Without Access to the Training Set.在无法访问训练集的情况下检测训练分类器中的后门。
IEEE Trans Neural Netw Learn Syst. 2022 Mar;33(3):1177-1191. doi: 10.1109/TNNLS.2020.3041202. Epub 2022 Feb 28.
5
On the Effectiveness of Adversarial Training Against Backdoor Attacks.对抗后门攻击的对抗训练有效性研究
IEEE Trans Neural Netw Learn Syst. 2024 Oct;35(10):14878-14888. doi: 10.1109/TNNLS.2023.3281872. Epub 2024 Oct 7.
6
Towards Unified Robustness Against Both Backdoor and Adversarial Attacks.迈向抵御后门攻击和对抗性攻击的统一鲁棒性。
IEEE Trans Pattern Anal Mach Intell. 2024 Dec;46(12):7589-7605. doi: 10.1109/TPAMI.2024.3392760. Epub 2024 Nov 6.
7
Poison Ink: Robust and Invisible Backdoor Attack.毒墨：稳健且不可见的后门攻击
IEEE Trans Image Process. 2022;31:5691-5705. doi: 10.1109/TIP.2022.3201472. Epub 2022 Sep 2.
8
FedPD: Defending federated prototype learning against backdoor attacks.FedPD：抵御后门攻击的联邦原型学习
Neural Netw. 2025 Apr;184:107016. doi: 10.1016/j.neunet.2024.107016. Epub 2024 Dec 10.
9
Detecting Scene-Plausible Perceptible Backdoors in Trained DNNs Without Access to the Training Set.在无法访问训练集的情况下，检测训练后的 DNN 中场景合理的可察觉后门。
Neural Comput. 2021 Apr 13;33(5):1329-1371. doi: 10.1162/neco_a_01376.
10
Backdoor Learning: A Survey.后门学习：一项综述。
IEEE Trans Neural Netw Learn Syst. 2024 Jan;35(1):5-22. doi: 10.1109/TNNLS.2022.3182979. Epub 2024 Jan 4.

引用本文的文献

1
Graph neural networks for single-cell omics data: a review of approaches and applications.用于单细胞组学数据的图神经网络：方法与应用综述
Brief Bioinform. 2025 Mar 4;26(2). doi: 10.1093/bib/bbaf109.
2
Foundation models in bioinformatics.生物信息学中的基础模型。
Natl Sci Rev. 2025 Jan 25;12(4):nwaf028. doi: 10.1093/nsr/nwaf028. eCollection 2025 Apr.

本文引用的文献

1
Harnessing the deep learning power of foundation models in single-cell omics.利用基础模型在单细胞组学中的深度学习能力。
Nat Rev Mol Cell Biol. 2024 Aug;25(8):593-594. doi: 10.1038/s41580-024-00756-6.
2
scGPT: toward building a foundation model for single-cell multi-omics using generative AI.scGPT：迈向使用生成式人工智能构建单细胞多组学基础模型
Nat Methods. 2024 Aug;21(8):1470-1480. doi: 10.1038/s41592-024-02201-0. Epub 2024 Feb 26.
3
Erratum: Author Correction: Advancing COVID-19 diagnosis with privacy-preserving collaboration in artificial intelligence.
勘误：作者更正：通过人工智能中的隐私保护协作推进新冠病毒疾病诊断。
Nat Mach Intell. 2022;4(4):413. doi: 10.1038/s42256-022-00485-5. Epub 2022 Apr 8.
4
Transfer learning enables predictions in network biology.迁移学习可实现网络生物学预测。
Nature. 2023 Jun;618(7965):616-624. doi: 10.1038/s41586-023-06139-9. Epub 2023 May 31.
5
Best practices for single-cell analysis across modalities.多模态单细胞分析的最佳实践。
Nat Rev Genet. 2023 Aug;24(8):550-572. doi: 10.1038/s41576-023-00586-w. Epub 2023 Mar 31.
6
Backdoor Learning: A Survey.后门学习：一项综述。
IEEE Trans Neural Netw Learn Syst. 2024 Jan;35(1):5-22. doi: 10.1109/TNNLS.2022.3182979. Epub 2024 Jan 4.