牛津大学研究人员证明 AI 模型权重可隐藏任意加密能力

牛津大学等机构的研究者发布论文，证明可在 AI 模型权重中植入加密的隐藏神经网络，且微调或添加噪声无法使其失效。该机制依赖于数字锁技术，攻击者篡改模型权重后，隐藏能力仅在特定触发条件下激活，且标准审计手段无法区分隐藏的是危险能力还是无害结构。作者指出这一风险适用于开放模型及供应商交付的重训模型，并发布了原型模型供防御研究测试。