#后门攻击

一篇关于模型安全的论文：研究者能在模型权重里藏一个加密网络，密码学上几乎无法被审计发现，还公开了模型代码。

有人把 Qwen2.5-7B 微调成只在多智能体环境里写漏洞代码的模型，单智能体测试完全查不出来，安全团队该看看这篇。

FedDAB用两阶段方法检测恶意更新，比CRFL和FLTrust更有效，理论收敛有保证。

这篇论文用具体实验证明，多智能体系统里单独检查每个智能体的信息根本不够，分布式后门能让所有局部检查都正常，但组合起来就成攻击了。

这篇论文揭示了AI安全的新漏洞：攻击者能植入无法被检测到的后门，生成对抗样本。对做模型安全的人很重要。

这篇论文讲了一种能悄悄操控无线语义通信中特定用户数据的后门攻击，还给出了防御方案。做无线安全或语义通信的可以看看。

这篇论文告诉你，连后门攻击的触发器颜色都不能随便选。在CelebA发色任务上白trigger专克金发、黑trigger专克黑发，实验设计很扎实。

这篇论文讲了对Anthropic等用的越狱检测防御框架的投毒攻击方法，投毒率才1%就能让检测器几乎失效，搞安全的一定要看。

这篇论文提出InstantForget，不用重新训练就能清除模型后门，在CIFAR-10上把攻击成功率压到7%，还搞了个检测机制AUROC 98%，挺实用的。