后门攻击是深度神经网络（DNN）训练过程中新出现的重要威胁，对手打算在模型中嵌入特定的隐藏后门。被攻击的DNN在预测良性样本时表现正常，而只要出现对手指定的触发模式，预测结果就会被恶意改变。目前，有许多现有的后门攻击和防御措施。虽然它们中的大多数都是开源的，但仍然没有一个工具箱可以轻松灵活地同时实现和比较它们。
BackdoorBox是一个开源的Python工具箱，目前已包含12种攻击方法, 9种防御方法,其目的是在一个统一的框架下实现有代表性的和高级的后门攻击和防御，可以灵活使用。作者将持续更新这个工具箱，以跟踪最新的后门攻击和防御措施。