零空间投影净化 LoRA 后门
原文标题：Backdoor Purification for LoRA-Tuned LLMs via Null-Space Projection
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出一种无需触发器先验、干净参考数据或重训练的 LoRA 后门净化方法，通过在输入输出通道构造正交零空间并投影 LoRA 更新来剔除后门方向。实验将攻击成功率从近 100% 降至 10% 以下，同时保留基座模型通用能力与适配器学到的下游技能。
- 问题
- LoRA微调模型易被植入后门，现有净化方法依赖触发器先验、干净参考或重训练。
- 方法
- 在输入输出通道构造正交零空间，将LoRA更新投影上去以剔除后门方向，无需触发器先验、干净数据或事后重训练。
- 结果
- 攻击成功率从近100%降至10%以下，同时保留基座模型通用能力与适配器学到的下游技能。
- 影响
- 让第三方LoRA适配器的安全复用成为可能，降低微调即服务供应链风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
零空间投影净化LoRA后门，攻击成功率从近100%降至10%以下且无需重训练
- •方法无需触发器先验、干净参考数据或事后重训练，突破现有净化方法的三项强假设
- •在输入输出通道构造正交零空间，将LoRA更新投影上去以剔除后门方向
- •实验将攻击成功率从近100%降至10%以下
- •同时保留基座模型通用能力与适配器学到的下游技能
- •从文本分类单层逐步扩展到生成任务的全参数LLM
为什么重要：LoRA微调被广泛采用，后门风险随之放大；该方法免去重训练与触发器先验，降低了实际部署中净化适配器的门槛。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。