事件观察中
GARD：针对多模态对比学习模型后门的梯度引导对抗表示防御
先了解这件事
AI 综述
GARD 针对 CLIP 等多模态对比学习模型的后门做事后防御，无需预知攻击目标或触发器：优化全局与局部对抗探针偏移干净图像表示，再与干净锚点重新对齐。实验覆盖 6 种后门攻击与 2 个 CLIP 视觉骨干的全部 12 种组合，攻击成功率降至 1% 以下，干净准确率保持竞争力，推理时无需额外计算。
AI 根据报道生成 · 2 天前更新
相关研究
这件事的论文
- GARD：针对多模态对比学习模型后门的梯度引导对抗表示防御
arXiv · 2026-11-10 · 深度解读
后续时间线
11月10日
- arXiv：对抗攻击、后门与投毒GARD：针对多模态对比学习模型后门的梯度引导对抗表示防御
GARD 是针对 CLIP 等多模态对比学习模型后门的事后防御方法，无需预知攻击目标或触发器。该方法优化互补的全局与局部对抗探针以偏移干净图像表示，再将其与干净锚点重新对齐并保持图文对齐。在 6 种视觉后门攻击与 2 个 CLIP 视觉骨干的全部 12 种组合上，攻击成功率均降至 1% 以下，干净准确率保持有竞争力，推理时无需额外计算。
相关讨论
关注度走势
每天新增来源
- 11月11日新增1个来源（1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）