10月8日 · 周四

后门与投毒 · 论文

找到 2 篇

筛选2

攻击类型

提示注入1 投毒与后门1

攻击技术

推理链操控1 潜伏触发2

影响

有害内容1 可用性与可靠性1

系统形态

模型与 API1 AI Agent1 编程 Agent1

攻击面/入口

用户输入1 图像与音视频1 权重与梯度1 分发渠道1

层

提示层1 训练与数据层1

系统组件

MCP 与技能1 记忆2 RAG2 护栏与评审1 推理链1 微调与开源权重8 音频1 多模态1

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。

系统组件：推理链系统组件：多模态话题：后门与投毒清除全部

另有 66 篇论文还没打上分类标签，暂不在筛选结果里。

攻击arXiv:2610.09819 · 10月7日
FAB 攻击：给 HuBERT/WavLM 植入后门，背景警笛声即可让下游语音任务失灵
提出 FAB 攻击，向声学基础模型植入可由环境声触发的后门
模型与 API测试HuBERT-base、WavLM-base训练与数据层
摘要论文提出了针对声学基模的 FAB 后门攻击，在弱威胁模型下实现了任务无关、物理可触发的后门植入。
完整解读
攻击arXiv:2609.01023 · 9月1日
Akrasia：针对推理型代码 LLM 的隐蔽后门攻击
提出 AKRASIA 推断期后门，用代码级触发器与伪装推理操纵代码模型
编程 Agent测试Claude-Sonnet-5、GPT-5.5、Gemini-3.5-flash 等 7 个提示层
摘要论文针对推理代码大模型提出了隐蔽推断期后门攻击 AKRASIA，揭示了模型思维链可被利用进行欺骗性伪装的安全隐患。
完整解读

已经到底了