LoRAScan：检测LoRA后门提示的推理时防御方法
热点事件持续更新
LoRAScan：检测LoRA后门提示的推理时防御方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者在 arXiv 发文提出 LoRAScan，一种面向大语言模型 LoRA 适配器的后门防御方法，可在推理时检测并拒绝携带触发词的输入，且无需修改适配器参数。据其论文，在标准 LLM 后门基准上，该方法拒绝 98.49% 的恶意输入，对干净输入误报率较低，优于现有防御。 原理上，研究发现约 5% 的 LoRA 插入位点在干净输入下方差稳定，但遇到触发词时会在下投影激活中产生高度集中的尖峰。LoRAScan 在部署前识别这些低方差位点，并在推理时监测它们。论文作者称其为首个适配器感知的此类防御方法。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
LoRAScan：通过下投影激活尖峰检测大语言模型 LoRA 适配器中的后门提示词报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AILoRAScan：通过下投影激活尖峰检测大语言模型 LoRA 适配器中的后门提示词
LoRAScan 是首个在推理时检测并拒绝携带触发词输入的适配器感知防御方法，无需修改 LoRA 适配器参数。研究发现约 5% 的 LoRA 插入位点在干净输入下方差稳定，但存在触发词时会在下投影激活中产生高度集中的尖峰。在标准 LLM 后门基准上，LoRAScan 拒绝 98.49% 的恶意输入，对干净输入误报率较低，优于现有防御。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月27日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。