微软研究人员称改不到10个休眠神经元可给AI模型植入后门

微软研究团队展示了名为 Lazarus 的后门方法，改动模型中不到 10 个很少激活的神经元即可植入后门，无需整体重训练，前提是攻击者能修改模型权重。触发条件可设在用户请求或工具输出中，被改神经元各自向输出注入一个命令 token，配置可直接推导并用几百步微调完成。与以往依赖投毒训练样本的权重级后门不同，该方法直接修改神经元；在 Nemotron-Terminal-8B 上，含触发的会话命令执行成功率达 98.8%，无触发会话则无效，Qwen3.6-27B 与 Gemma-4-31B-IT 的成功率介于 51% 到 99.5%，被改模型仍能通过常规评测。微软称尚未观察到利用该技术的威胁，建议核对 checkpoint 与声明的基础模型、谨慎管理第三方修改，并管控 Agent 权限与网络访问。