10月8日 · 周四

开源模型安全 · 论文

找到 2 篇

筛选2

攻击类型

投毒与后门1 模型篡改1

防御类型

影响

有害内容2 数据与隐私泄露1 输出被操纵2

系统形态

攻击者权限

攻击面/入口

训练数据1 权重与梯度1 分发渠道1

层

训练与数据层2

系统组件

护栏与评审2 监控器1 推理链1 微调与开源权重7 视觉1 图像生成1 多模态2

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 66 篇还没打标签，不在筛选结果里。

影响：有害内容系统组件：多模态话题：开源模型安全清除全部

另有 66 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv 2608.243548月25日
RACER：面向多模态大模型后门的区域感知一致性修复框架
提出 RACER，用区域感知一致性对抗微调去除多模态大模型后门
arXiv
2608.24354
发表
8月25日
层
训练与数据层
场景
模型与 API
测试
LLaVA-1.5-7B、Qwen2-VL-7B、Qwen2.5-VL-7B
- 防御模型加固
- 攻击投毒与后门
- 组件视觉
深度解读完整解读
攻击arXiv 2609.334459月27日
CSR：跨架构统一攻击概念擦除
提出跨架构攻击 CSR，用概念分数参数重学习恢复文生图被擦除概念
arXiv
2609.33445
发表
9月27日
层
训练与数据层
场景
模型与 API
攻击者
白盒
测试
FLUX.1-dev、Stable Diffusion-v1.4
- 攻击模型篡改
- 组件图像生成
深度解读完整解读

已经到底了