BadVLA：通过目标解耦优化实现针对视觉-语言-动作模型的后门攻击
[Daily Paper] BadVLA: Towards Backdoor Attacks on Vision-Language-Action Models via Objective-Decoupled Optimization
AI 导读
BadVLA 提出一种针对视觉-语言-动作（VLA）模型的后门攻击，其目标解耦优化（ODO）框架在特征空间把触发器表示与正常任务目标分开，使模型在干净输入上维持任务表现、在触发器出现时执行攻击者指定的动作。论文显示，被投毒的预训练 VLA 模型可经受微调，触发器表示在下游适配中保留；触发器覆盖不同模态与位置，细微色块、纹理叠加或物体摆放均可触发。作者用现有后门检测与缓解方法测试，发现激活聚类和频谱分析等标准手段防护有限，而只测干净任务成功率的评测无法发现后门。论文开源了攻击代码与评测协议，并与 AttackVLA、FreezeVLA、GoBA 等一并说明 VLA 威胁模型已超出推理时的对抗扰动。