研究者提出用虚拟后门移除未知后门的方法
热点事件持续更新
研究者提出用虚拟后门移除未知后门的方法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Kazuki Iwahana 等研究者提出一种移除生成式大语言模型未知后门的方法：先故意植入一个触发器已知的“虚拟后门”（dummy backdoor），再用该触发器的输入配上干净回答进行微调，把虚拟后门移除，从而连带削弱模型中原有的未知后门。 研究者在三种后门攻击类型和多个模型族上评估该方法，称其显著降低了未知后门的攻击成功率，同时保持模型效用，在移除效果与效用保持上均优于代表性现有防御方法。该论文已被 EMNLP 2026（Findings）接收，源代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
用“假后门”当防御：通过共享内部机制移除生成式 LLM 的未知后门报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL用“假后门”当防御：通过共享内部机制移除生成式 LLM 的未知后门
研究者提出一种基于不同后门共享内部机制的未知后门移除方法：先故意植入一个触发器已知的 dummy backdoor，再用 dummy 触发输入配干净回答做微调将其移除，从而连带削弱未知后门。在三种后门攻击类型和多个模型族上，该方法显著降低未知后门的攻击成功率并保持模型效用，在移除效果与效用保持上均优于代表性现有防御方法。该工作已被 EMNLP 2026（Findings）接收，源代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。