Translation in progress Some entries still include text in the original language.
Oct 12 · Monday
Backdoors and poisoning · Papers
Found 5 papers提出 UBA-ORL，以 BD/CM 样本在遗忘后激活离线 RL 后门
- Published
- Evaluated models
- TD3+BC, BCQ, IQL
AbstractUBA-ORL 用竞争的 BD/CM 样本，使离线 RL 后门在删除伪装轨迹后激活。
UBA-ORL 研究离线强化学习中由合规轨迹删除激活的后门：合法贡献者同时上传共享触发的后门轨迹和伪装轨迹，训练后触发响应被压低，删除伪装批次后再升高。受害系统是使用静态数据集和轨迹级遗忘接口的离线 RL 服务。对手不能看到训练算法、参数、梯度或具体遗忘算法，但能提交可区分批次，并在部署时向观测注入预定触发。
提出 TrojanWorld，用物理触发器对世界模型智能体植入想象引导后门
- Published
- Evaluated models
- TD-MPC2, DreamerV3, R2-Dreamer
AbstractTrojanWorld 揭示了世界模型智能体的供应链后门风险，通过在世界模型中操纵想象可实现对闭环动作的持续控制。
提出 SYNCHAIN，诱导计算机使用 Agent 自建跨任务持久攻击链
- Published
- Evaluated models
- Qwen3.5-9B, Llama-3.1-8B, Ministral-3-8B
Abstract论文揭示了 CUA 自合成工件带来的内部供应链威胁，验证了潜伏载荷的跨任务传播能力与防御局限。
提出 VPH 与 VTH，只改视频帧劫持世界模型并投毒下游策略
- Published
- Evaluated models
- Cosmos-Predict 2.5, Cosmos-Predict 2.5 AC, Dino WM and others4
Abstract只改视频帧经世界模型投毒。
只改看似安全的视频帧，经世界模型之后才改变下游机器人策略。 问题在于世界模型进入数据生成后，数据集检查看到的仍是安全演示，合成轨迹却可以变危险。
Propose a structured JSON backdoor that triggers malicious actions in robot control via a poisoned LoRA
- Published
- Evaluated models
- Llama-3.1-8B-Instruct, Gemma-2-9B-IT, DeepSeek-R1-Distill-Llama-8B and others4
You have reached the end