LoRA-Patch：用方向引导防御后门LoRA适配器

论文提出不改基座权重的LoRA后门防御方法LoRA-Patch。

资讯摘要

论文提出LoRA-Patch，一种针对第三方LoRA适配器后门风险的轻量防御方法。作者观察到后门注入会扭曲被污染适配器相对可信基座模型的方向几何，因此通过逐层方向引导重新对齐适配器方向来抑制触发器激活行为，且不修改基座模型权重。论文报告在五种后门攻击和三个模型上的实验显示，该方法优于现有基线并保持良性任务性能，构建补丁耗时在20秒内。

要点速读

1. 论文指出第三方LoRA适配器可在保持正常任务表现的同时嵌入触发器激活的隐藏行为，标准效用评估难以发现。
2. LoRA-Patch基于后门注入扭曲适配器方向几何的观察，通过逐层引导重新对齐方向，不修改基座模型权重。
3. 作者报告在五种后门攻击和三个模型上优于现有基线，并保持良性任务性能，补丁构建在20秒内完成。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。