arXiv cs.AI· Jianwei Li, Jung-Eun Kim·· 2026-10-02AI 评分35
基于零空间投影的 LoRA 微调 LLM 后门净化方法
Backdoor Purification for LoRA-Tuned LLMs via Null-Space Projection
AI 导读
新研究提出一种基于零空间投影净化 LoRA 微调 LLM 后门的方法，无需先验触发器知识、干净参考样本或事后重新训练。该方法通过提取高保真后门方向，在层或注意力头的输入与输出通道构建正交零空间并投影 LoRA 更新。实验显示，该方法将攻击成功率（ASR）从近 100% 降至 10% 以下，同时保留基座模型性能与适配器习得的下游能力。
来源：arXiv cs.AI · arxiv.org