事件历史事件
医疗基础模型提示学习后门跨模型迁移与防御研究
先了解这件事
AI 综述
研究者提出BAPLe++，研究提示词后门在医学基础模型间的跨模型迁移，并提出提示级防御DePLe。在四个医学基础模型和六个胸部X光与组织病理学数据集上的实验显示，后门可跨模型迁移，但不对称且依赖数据集；DePLe以被感染提示为锚点学习新提示，较免训练输入变换更稳定降低后门准确率并保留干净准确率。
AI 根据报道生成 · 5 天前更新
走势与进展
每小时关注度
现在 34，24 小时 0%·峰值 37（11月10日 21:00）
11月11日11月12日11月13日11月14日11月15日现在 34
相关研究
这件事的论文
- BAPLe++：医学基础模型中后门的跨模型可迁移性与提示级防御
arXiv · 2026-11-07 · 深度解读
后续时间线
11月7日
- arXiv：对抗攻击、后门与投毒BAPLe++：医学基础模型中后门的跨模型可迁移性与提示级防御
研究者提出 BAPLe++，研究提示词后门在医学基础模型间的跨模型迁移性，并提出提示级防御方法 DePLe。医学基础模型常通过提示学习适配临床任务，只微调少量提示 token 而冻结骨干；此前研究显示，少样本适配中联合优化可学习提示与不可感知噪声触发器即可植入后门，在不影响干净性能的情况下将触发输入导向攻击者选定的类别。论文提出 CAD 与 BAD 两个指标，作者称这是首个针对提示词后门跨模型迁移的研究；在四个医学基础模型和六个胸部 X 光与组织病理学数据集上的实验显示，后门可跨模型迁移，但不对称且依赖数据集。DePLe 以被感染提示为固定锚点，在小规模干净集上学习新提示，在保留干净任务的同时偏离被感染的嵌入区域；与四种免训练输入变换相比，DePLe 更稳定地降低后门准确率，同时保留并在若干设置下提升干净准确率。
相关讨论
关注度走势
每天新增来源
- 11月10日新增1个来源（1家媒体、0个账号）
- 11月11日新增0个来源（0家媒体、0个账号）
- 11月12日新增0个来源（0家媒体、0个账号）
- 11月13日新增0个来源（0家媒体、0个账号）
- 11月14日新增0个来源（0家媒体、0个账号）
- 11月15日新增0个来源（0家媒体、0个账号）