跳到正文
arXiv · AI· Shengyan Huo, Peihai Jiang, Xixiang Lyu, Yige Li·· 16 天前AI 评分25

LoRA-Patch 是一种针对 LoRA 适配器的轻量级后门防御方法,它在 5 种后门攻击和 3 个模型上有效抑制触发式后门行为,性能优于现有基线方法。

LoRA-Patch: Defending Against Backdoored LoRA Adapters via Directional Steering

AI 导读

该方法的核心是检测到被污染适配器的方向性几何畸变,通过逐层方向引导重新对齐适配器,20 秒内即可完成补丁构建。 LoRA-Patch 在保持正常任务性能的同时,允许冻结基础模型权重。 代码已开源。

来源:arXiv · AI · arxiv.org