LoRAScan：通过激活尖峰检测LLM中LoRA后门

arXiv于2026-10-27发布论文，提出LoRAScan，这是首个在推理时检测并拒绝含触发词输入、且无需修改适配器参数的适配器感知防御方法。 LoRAScan通过识别约5%的低方差插入点，在模型部署前定位这些位置，并在推理期间进行监测，以识别低秩适配器（LoRA）中的后门提示词。 在标准LLM后门基准测试中，该方法成功拒绝了98.49%的恶意输入，同时保持较低的对干净输入的错误率，有效平衡了安全性与可用性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。