全部论文

OrthoPurify 用一步正交投影净化被后门污染的视觉语言模型

提出 OrthoPurify，用正交投影清除视觉语言模型适配器中的劫持方向

arXiv

2610.09941

发表

10月7日

层

训练与数据层

场景

模型与 API

被测模型

LLaVA-1.5-7B、Qwen3-VL-8B、LLaVA-1.5-13B 等 5 个

• 防御模型加固
• 攻击投毒与后门
• 组件微调与开源权重
• +1+1

BadAction：通过动作引导触发器对交互式视频生成模型实施后门攻击

提出 BadAction，通过动作触发器给交互式视频生成植入后门

arXiv

2609.39047

发表

9月30日

层

训练与数据层

场景

模型与 API

被测模型

Astra (Wan2.1-T2V-1.3B)

• 攻击投毒与后门
• 技术潜伏触发
• 组件微调与开源权重
• +1+1

机器遗忘在 ASR 中是否有效：arXiv 论文评估现有算法与评测工具

arXiv

2609.34092

发表

9月28日

层

训练与数据层

场景

模型与 API

被测模型

E-Branchformer

• 防御模型加固
• 攻击提取与窃取
• 组件音频

ODPure：通过集成破坏共识实现目标检测后门净化

提出 ODPure，在输入阶段用腐蚀重建与共识净化目标检测后门

arXiv

2609.28239

发表

9月23日

层

提示层

场景

模型与 API

被测模型

YOLOv5、Faster R-CNN

• 攻击投毒与后门
• 组件视觉

FreqDoor：面向视觉语言模型的频域后门攻击

提出 FreqDoor，在频域混合振幅并对生成式 VLM 做训练时视觉后门

arXiv

2609.07048

发表

9月7日

层

训练与数据层

场景

模型与 API

被测模型

BLIP-2 (opt-2.7b)、InstructBLIP (flan-t5-xl)、LLaVA (interleave-qwen)

• 攻击投毒与后门
• 技术潜伏触发
• 组件视觉
• +1+1

面向后门攻击下持续学习的鲁棒动态扩展：净化与选择性恢复

提出 BPP、GDBRO 与 RFCBES，在持续学习中净化并选择性恢复后门样本

arXiv

2609.06346

发表

9月6日

层

训练与数据层

场景

模型与 API

• 防御模型加固
• 攻击投毒与后门
• 组件视觉

TRIM：面向多种后门触发器的黑盒检测与净化方法

提出 TRIM，在黑盒推理时定位并净化图像后门区域

arXiv

2609.03139

发表

9月3日

层

提示层

场景

模型与 API

被测模型

ResNet-50

• 防御推理时干预
• 攻击投毒与后门
• 组件视觉

GhostWord：针对自动语音识别的细粒度后门攻击

提出 GhostWord 词级触发后门，对自动语音识别做数据投毒

arXiv

2609.04260

发表

9月2日

层

训练与数据层

场景

模型与 API

被测模型

Whisper-Small、Whisper-Medium、MMS 等 4 个

• 攻击投毒与后门
• 技术潜伏触发
• 组件音频
• +2+2

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

被测模型

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
• +1+1

TC-UAP：针对图像转视频与微调定制的通用视频保护方法

提出 TC-UAP，用身份级多帧扰动保护视频免被定制复现身份

arXiv

2607.13336

发表

7月15日

层

提示层

场景

模型与 API

被测模型

LTX-2.3、Wan2.2-5B

• 组件视频
• +1+1

BackdoorVLM：面向视觉语言模型后门攻击与防御的基准

提出 BackdoorVLM 基准，评测视觉语言模型微调中的后门攻击与防御

arXiv

2511.18921

发表

2025年11月24日

层

训练与数据层

场景

模型与 API

被测模型

LLaVA-1.5-7B、Qwen2.5-VL-7B

• 攻击投毒与后门
• 组件微调与开源权重
• +1+1